中國3D人臉識別產業(yè)前景分析一、人臉識別行業(yè)產業(yè)鏈人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術。目前，在生物識別技術中，市場較為主流的技術主要有人臉識別、指紋識別、虹膜識別以及語言識別四類，人臉識別由于其采集成本低、識別效率高，在市場中占據重要位置。剖開深度學習基礎上的人臉識別產業(yè)鏈，可以看到，產業(yè)鏈為圖像獲取層面，包括攝像頭、照片和視頻錄像等；中層部分由視頻人臉識別、圖片人臉識別和數據庫對比檢驗等技術層構成，大體包括人臉預處理、特征提取、特征對比、結果輸出等技術。二、人臉識別產業(yè)現狀分析近年來，人臉識別技術迅速發(fā)展，市場下游場景不斷發(fā)掘，空間廣闊。人臉識別技術在我國起步于上世紀90年代末，主要經歷了五個階段：技術引進、專業(yè)市場導入、技術完善、技術應用以及各行業(yè)領域使用?，F階段，我國人臉識別技術已經發(fā)展相對成熟，正在各個領域加強推廣。2013年我國人臉識別市場規(guī)模僅為8.61億元，之后幾年快速增長，在2018年市場規(guī)模增長至27.6億元，同比2017年增速達到26%，2019年增長至34.5億元，同比2018增長25%。人臉識別技術自上世紀90年代開始起步，在2014年引入專業(yè)化市場，2015年起人臉識別技術進入了高速發(fā)展階段，人臉識別公開專利數量激增，2015-2019年人臉識別技術的年復合增長率為39%。從技術完善程度上看，人臉識別錯誤率已經從1993年的79%降至目前的小于0.2%，技術已經相對完善，表明人臉識別技術正進入成熟期，同時人臉識別技術的快速發(fā)展也大大降低了技術的應用成本。根據南方都市報個人信息保護研究中心于2020年6月發(fā)布的《人臉識別應用公眾調研報告》，在10大類場景中，最普及的場景是支付轉賬，67.2%受訪者表示遇到過。除此之外，解鎖解密(54.1%)、交通安檢(49.6%)、實名登記(47.68%)、開戶銷戶(45.26%)、門禁考勤(43.33%)也較為普及，均有四成以上受訪者在相關場景中遇到過人臉識別應用。隨著3D感知應用興起，終端3D人臉識別的應用場景也隨之豐富。盡管3D感知模組成本相對較高，但相比于2D人臉識別，3D人臉識別技術能夠排除姿態(tài)、光照、表情等因素更為精準的捕捉生物信息，并對采集數據進行識別計算、建模檢索等。三、競爭格局目前市場主流的人臉識別廠商包括樂鑫科技、曠視科技、商湯科技、云從科技和依圖科技等，產品主要運用于金融、安防等領域，下游合作廠商包括螞蟻金服、小米、京東、中信銀行等，安防領域則主要包括人像大平臺以及車輛大平臺的應用，市場主流廠商對此類主要應用場景已基本布局完成。從全球市場份額來看，美國占據了全球33%的市場份額，其次是歐洲占比25%，亞太區(qū)占比20%排名第三。四、人臉識別前景分析從人臉識別的技術路線來講，目前人臉識別技術主要分為2D人臉識別和3D人臉識別。伴隨2D人臉識別的逐漸成熟，其優(yōu)勢及劣勢日益明顯，3D人臉識別的研究也逐漸深入。2D人臉識別是基于圖像的識別方法，主要優(yōu)勢在于檢測數據獲取方式便捷，照片等均可作為人臉對比庫。同時目前算法相對成熟，在無遮擋等理想條件下的識別率接近100%。但是由于3D人臉在2D維度的投影，使得部分有效信息缺失，因此在遮擋、角度旋轉等場景下識別率不夠理想。3D人臉識別方法是基于人臉3D立體模型進行識別，充分利用立體空間信息，有效解決2D識別的遮擋以及角度旋轉等識別難點，識別精度較高。比如3D技術在雙胞胎識別準確率上大幅領先于2D技術。但是其問題在于數據采集相對困難，采集數據量十分巨大，對計算機計算存儲能力要求較高。根據win