據Yole數據顯示,全球人臉識別市場規模預計將從2017年的40.5億美元增長至2022年的77.6億美元,這期間的復合年增長率可達13.9%。推動市場增長的主要因素包括:更多智能手機集成3D人臉識別,公共場所日益增長的監控需求,以及政府部門等各個產業對人臉識別技術的應用增長。

 

        人臉識別技術的優勢

        人臉識別的工程應用始于20世紀60年代,經過50多年的發展,人臉識別技術已經取得了重大突破,很多經典算法和人臉庫相繼出現。目前人臉識別系統最高的正確率可以達到99.5%,而人眼在同等條件下識別的正確率僅為97.52%,人臉識別的準確率已經做到了比肉眼更精準。

        人臉識別大致分為兩種應用模式四步流程。兩種模式包括1:1比對和1:N識別,1:1是比對兩個人臉的相似度,只需要確定是否授權人;1:N是識別對象是否在人臉數據庫中。四部流程依次是人臉檢測、活體檢測、人臉特征提取和人臉匹配識別。

與其他生物特征識別技術相比,人臉識別技術在實用性方面具有獨到的技術優勢,主要體現在以下方面:1、非接觸:人臉圖像的采集不同于指紋、掌紋需要接觸指掌紋專用采集設備,指掌紋的采集除了對設備有一定的磨損外,也不衛生,容易引起被采集者的反感,而人臉圖像采集的設備是攝像頭,無須接觸。2、非侵擾:人臉照片的采集可使用攝像頭自動拍照,無須工作人員干預,也無須被采集者配合,只需以正常狀態經過攝像頭前即可。3、友好:人臉是一個人出生之后暴露在外的生物特征,因此它的隱私性并不像指掌紋、虹膜那樣強,因此人臉的采集并不像指掌紋采集那樣難以讓人接受。4、直觀:我們判斷一個人是誰,通過看這個人的臉就是最直觀的方式,不像指掌紋、虹膜等需要相關領域專家才可以判別。5、快速:從攝像頭監控區域進行人臉的采集是非??焖俚?,因為它的非干預性和非接觸性,讓人臉采集的時間大大縮短。6、簡便:人臉采集前端設備——攝像頭隨處可見,它不是專用設備,因此簡單易操作。7、可擴展性好:它的采集端完全可以采用現有視頻監控系統的攝像設備,后端應用的擴展性決定了人臉識別可以應用在出入控制、黑名單監控、人臉照片搜索等多領域。

        深度學習和3D視覺助推人臉識別發展

        長久以來,技術創新不足、應用推廣有限、價格成本高企是制約人臉識別發展的三大因素。研究人臉識別算法優化、輕量化的團隊較少,算法的優化尚未完成,在功耗小的情況下保持一定的速度和精度是人臉識別應用發展的難點。因此最近幾年人臉識別雖然被廣泛應用到出入境通關、機場安檢等政府部門中,但一直沒能真正進入到更廣泛的商業化應用領域中。

        第一,在技術層面上,人臉識別的精準度和核心算法的原始創新不足、技術標準制定還不完善,快速準確完成人臉識別需要解決很多技術上的難點:自身生理變化。在人臉比對的過程中,如果自身與數據庫里面存儲的人臉發生了較大的生理變化,例如經歷剃須、換發型、戴眼鏡遮擋等變化。即使外貌并沒有發生太多變化,人通過臉部的變化產生很多表情,都有可能會引起比對失敗。外部環境影響。人臉受到很多外部因素的影響:在不同的角度進行拍攝,人臉的視覺圖像相差很大;容易受到光照條件影響,比如白天和黑夜、室內和室外的光照存在較大差異。除了這兩種情況,還有人為的整容行為、雙胞胎等極端情況存在。如何規避這些外因對于人臉識別速度和識別效果的影響,一直都是科研的重點研究方向。

        第二,應用方面上,人臉識別基本局限在公安部門出入境管理等政府部門中,未能滲透到大規模商業級別應用和個人消費級別當中。在應用層面上,盡管在實驗室等科研條件下,許多人臉識別技術的精準度已經達到99%、甚至99.5%以上的水平,但是這些技術和方案很難落地到實際應用層面上。人臉識別技術落地的過程中,需要考慮到不同的場景運用。在實際落地過程中,指紋識別等其他生物識別由于技術成熟,不易受到外界因素影響,早已經運用到考勤認證、智能手機賬號登錄中,可替代物的成熟發展也制約了人臉識別產業化的進程。

        第三,價格方面,市場競爭不足和技術不成熟導致價格處于高位。由于技術不成熟,人臉識別技術并未應用到商業場景和消費級領域,大部分被運用到政府和公安部門,且采用系統集成的方式交付,一套系統的成本和價格非常高昂。

但近幾年來,這一情形開始轉向,三大問題正在逐漸得到解決。

技術方面,深度學習算法的成熟,使得人臉的準確率得到大幅提升。以深度學習算法為基礎的計算機技術的進步,為人臉識別提供了強大的計算和分析工具。反過來,巨量的生物特征數據也為機器訓練提供了豐富的素材,“大數據成為人工智能的燃料”。

        應用方面,公安部門在視頻監控和多類場所的人員進出管理中大力引入人臉識別技術。在政策推動下,人臉識別也已入駐社保、教育、醫療系統。近幾年,國內智能手機消費劇增,手機用戶的移動支付習慣逐漸養成,智能家居漸受青睞。

 

        價格方面,人臉識別設備近兩年不斷下降。近年來,技術的進步和算法的改善讓人臉識別技術邁上一個新的臺階,在國家政府推動和政策支持下,我國人臉識別技術和應用都取得了非常大的進步。

 

        消費級應用即將爆發,人臉識別場景日趨多元

        刷臉時代來臨,人臉識別市場廣闊,盈利模式多變,消費級領域產業化將爆發。

互聯網+:人臉識別技術在互聯網領域得到了廣泛應用。

        新零售&支付:人臉識別技術也被應用在新零售領域,推動著無人零售的發展與實現。2017年9月KFC與螞蟻金服合作在其第一家升級店K PRO采用人臉識別系統等技術,消費者微笑就可通過人臉識別系統完成支付。店內沒有設臵點餐臺和收銀員,消費者到店點餐不僅可以通過設臵在門口的自助點餐機點餐,也能通過手機掃描餐桌上的二維碼自助點餐、支付。在未來,人臉識別技術還可用于客流統計、消費者心理和行為分析。通過客流統計數據,分析不同區域、通道的客流和顧客滯留時間,與銷售業績報表結合,可以分析顧客購買行為,顧客性別年齡組成。

 

        總而言之,除了政府、安防、公安、金融之外,互聯網、消費電子、汽車電子、零售、醫療、教育等諸多領域都在逐步引入人臉識別,人臉識別正在逐步滲透進消費級領域方方面面。