飛速成長的市場

 

　　根據前瞻產業研究院統計，2007年至 2013 年六年期間，生物識別技術的全球市場規模年均增速為 21.7%。 2015 年生物識別技術全球市場規模將達到 130億美元，2020年將達到250億美元，5 年內年均增速約14%。

 

　　自2015 年到2020年，各細分行業市場規模增幅分別為：指紋 (73.3%) 、語音 (100%) 、人臉 (166.6%) 、虹膜 (100%) 、其他 (140%) 。眾多生物識別技術中人臉識別在增幅上居于首位，預計到 2020 年人臉識別技術市場規模將上升至 24 億美元。我們預計在智能終端滲透臉部識別的情況下，市場規模可能大超預期。

 

　　五大生物識別分類

 

　　五大生物識別各有特點，但是從市場占有率看，指紋識別之后最可能脫穎而出的預計是臉部識別。終端消費電子廠商采用臉部識別技術的速度，可能在兩年內接近現階段指紋識別的市場占比。特別是支付寶、券商、銀行為主的金融服務機構已經在去年開始大量采用臉部識別開戶、轉賬、付款等，以招商銀行為例，臉部識別能夠實現手機端超過 50萬的轉賬，可見對于其安全性的認同。

 

　　1. 指紋識別是目前應用最為廣泛的生物識別技術，技術成熟且成本低廉，廣泛應用于考勤、門禁等身份識別。但容易復制，且指紋磨損后影響識別精度。

 

　　2. 虹膜識別利用人眼圖像中虹膜區域的特征(環狀物、皺紋、斑點、冠狀物)形成特征模板，通過比較特征參數完成識別。該方法識別精度高、不易仿造但相關設備價格昂貴。

 

　　3. 語音識別通過分析語音的惟一特性進行身份驗證，其設備距離范圍大、安裝簡易，但識別準確度低，可能被錄音欺騙，且易受背景噪聲、身體狀況、情緒等因素影響。

 

　　4. 簽名識別是基于行為特征的生物識別技術，通過分析筆跡、 壓力、 書寫速度進行身份驗證。但簽名可仿造性高，且簽名工具、情緒等均可對簽名識別造成干擾。

 

　　5. 臉部識別與其他生物識別方式相比，優勢在于自然性、不被察覺性等特點。自然性即該識別方式同人類進行個體識別時所利用的生物特征相同，人類也通過觀察比較人臉、聲音等信息對其他個體進行區分和確認。因此，指紋識別、虹膜識別等均不具有自然性。不被察覺的特點使該識別方法不易使人抵觸，利用可見光即可獲取人臉圖像信息，而指紋識別或虹膜識別需利用電子壓力傳感器或紅外線采集指紋、虹膜圖像，在采集過程中身份信息即有可能被仿造。

 

　　巨頭布局 刷臉將成常態?

 

　　從蘋果、三星、華為、Facebook、谷歌、亞馬遜的多項專利可以發現，各大終端巨頭紛紛布局臉部識別技術。

 

　　1、蘋果最早于 2010 年開始涉及臉部識別領域，特別是近期收購人工智能和機器學習的臉部掃描企業。在 2010 年 9月收購瑞典算法公司 Polar Rose，在2013 年收購Prime Sense，自2015 年 9 月及 11 月收購機器學習與圖像識別公司Perceptio，以及動作捕捉公司 Faceshift之后，蘋果公司于 2016年 1 月、8 月又分別收購Emotient、Turi 兩家公司。Emotient為臉部識別系統公司，Turi 為機器學習公司。 在2015年獲得臉部識別解鎖設備的專利，特意保護紅外傳感器的使用，符合臉部識別的需求。

 

　　蘋果在 15 年獲得臉部識別解鎖設備的專利，根據近期產業鏈的發展，我們預計將大概率投入使用。專利顯示設備通過探測用戶面部以解鎖或保持解鎖狀態，該設備可為內置攝像頭的智能設備。該設備將包括多個傳感器，如探測設備動作的動作傳感器11 (也叫慣性傳感器)，動作傳感器包括位置、角度、移動傳感器，例如加速劑、陀螺儀、光感傳感器、紅外傳感器、近距離傳感器、電容式接近傳感器、聲音傳感器、聲納傳感器、雷達傳感器、圖像傳感器、視頻傳感器、GPS 探測器、一個反相探測器、一個射頻或聲學多普勒探測器、一個指南針、一個磁力計或其他類似傳感器。處理器 18 接收傳感信號并控制單個或多個進程。我們注意到專利中特意保護紅外傳感器的使用，符合臉部識別的需求。

 

　　2、三星公司于 2010年12 月 29 日申請臉部識別設備、算法及機器可讀媒體專利;于2004年6月19日申請圖像識別特征提取的設備及算法專利;

 

　　3、華為公司申請至少 10項臉部識別相關專利，如，確定人臉圖像中人臉的身份標識的方法、裝置和終端;

 

　　4、谷歌公司(Google)于 2011 年 7 月、2012 年 10 月先后收購臉部識別系統公司 PittPatt 和烏克蘭臉部識別公司Viewdle，截止2016年6月已申請21 項臉部識別相關專利 。

 

　　5、Facebook 公司于2012年6 月收購以色列臉部識別平臺公司Tel Aviv，并申請了兩項有關在線社交媒體圖片標簽建議(Tag suggestions for images on online social networks)的專利。于2014年開發出深度臉部識別學習系統 DeepFace。

 

　　6、亞馬遜(Amazon)、微軟(Microsoft)亦分別申請7 項及6項臉部識別專利。

 

　　最紅的是人臉識別技術

 

　　人臉識別主要分為人臉檢測和人臉比對兩部分。其工作流程為：

 

　　1. 圖像采集：通過采集傳感器(如攝像頭)采集人臉圖像;

 

　　2. 人臉定位及提取：然后對采集到的數據進行處理，去除采集數據中的噪聲和環境因素，抽取樣本中能夠表征個人身份的特征信息;

 

　　3. 特征對比：再把這些特征信息與數據庫中已有的信息進行對比;

 

　　4. 輸出結果：最后根據比對的相似程度來判斷是否匹配。

 

　　目前人臉識別市場的解決方案主要包括：2D識別、3D識別、熱感識別，目前市場上主流的識別方案是采用攝像頭的2D方案。2D臉部識別是基于平面圖像的識別方法，但由于人的臉部并非平坦，因此 2D 識別在將3D 人臉信息平面化投影的過程中存在特征信息損失。3D識別使用三維人臉立體建模方法，可最大程度保留有效信息。因此 3D 人臉識別技術的算法比2D 算法更合理并擁有更高精度。熱傳感識別技術使用一個三層的 BP(back-propagation)前饋神經網作為分類器，在使用熱感信息的同時使用不會被發型、呼吸等環境因素影響的關鍵臉部幾何信息，如鼻梁角度、臉頰面積等，以增強識別精度。

 

　　臉部識別產業鏈主要分為商業系統、主流軟件、算法等，終端設備的集成化應用需要整套解決方案，大廠商在這方面具有優勢。

 

　　臉部識別主要商業系統包括：

 

　　Visionics：FaceIt 面像識別系統，基于 Rockefeller 大學開發的局部特征分析(LFA)算法

 

　　Lau Tech.公司：面像識別/確認系統，采用 MIT技術

 

　　Miros 公司：Trueface 及 eTrue 身份驗證系統，其核心技術為神經網絡

 

　　C-VIS 公司：面像識別/確認系統

 

　　Banque-Tec.公司：身份驗證系統

 

　　Visage Gallery's ：身份認證系統，基于 MIT 媒體實驗室的Eigenface 技術

 

　　Plettac Electronic's ：FaceVACS出入控制系統

 

　　BioID 系統：基于人臉、唇動和語音三者信息融合的Biometrics 系統

 

　　臉部識別主流軟件包括：

 

　　Face++(曠視科技)

 

　　Face recognition Intelligent module (Macroscop)

 

　　digiKam (KDE)

 

　　iPhoto (Apple)

 

　　Lightroom (Adobe)

 

　　OpenCV (Open Source)

 

　　Photos (Apple)

 

　　Photoshop Elements (Adobe Systems)

 

　　Picasa (Google)

 

　　Picture Motion Browser (Sony)

 

　　Windows Live Photo Gallery (Microsoft)

 

　　FotoBounce (Applied Recognition Inc)

 

　　DeepFace (Facebook)

 

　　Mindolia (Mindolia)

 

　　臉部識別主流算法包括：

 

　　基于幾何特征的算法

 

　　局部特征分析方法(Local Face Analysis, LFA)

 

　　特征臉方法(Eigenface或PCA)

 

　　基于彈性模型的方法

 

　　神經網絡方法 (Neural Networks)

 

　　隱馬爾可夫模型方法(Hidden Markov Model)

 

　　Gabor 小波變換+圖形匹配

 

　　人臉等密度線分析匹配方法

 

　　其中算法為產業鏈核心環節，同時也是技術壁壘最高的環節。從目前國內設計臉部識別的公司看，主要還是提供攝像頭算法等，硬件的價值可能被忽視。

 

　　臉部識別的組件部分主要涉及：軟件部分為數據庫、算法;硬件部分為攝像頭模塊、集成設備、傳感器、芯片、IC、硬件接口電路、液晶顯示屏、存儲器等;以及，整合軟硬件廠商的系統服務商。

 

　　總體來看，通過傳感器和運算器采集并識別生物信息是未來多種硬件終端環境中人機交互的大趨勢。

 

　　其自身的一大特點是指紋、虹膜甚至人臉、聲紋等等生物信息具備唯一性，可以成為我們天然的ID，在密保性要求高的金融領域將會有更大的市場。

 

　　其底層所依賴的技術儲備是，計算機對于聲音、圖像等等多媒體信息具備更強的處理與識別能力，尤其基于人工智能技術，可以在海量信息中高效地檢索信息、智能地識別信息。

 

　　如果說下一代終端都將配備人臉識別模塊，這將是多么大的一塊市場。而聯系到指紋的發展速度，這一天來得可能比你想象的還要快。

圖片來源：找項目網