中國人臉識別行業現狀及發展趨勢分析

• 2021年10月21日 HaoChenChong來源：互聯網 294 11
• 繁體

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。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。

中國人臉識別行業現狀及發展趨勢分析

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。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。

2021年7月28日，《最高人民法院關于審理使用人臉識別技術處理個人信息相關民事案件適用法律若干問題的規定》正式對外發布。

2021年8月20日，十三屆全國人大常委會第三十次會議表決通過《中華人民共和國個人信息保護法》，2021年11月1日起施行。

人臉識別產業鏈以人臉識別算法作為中間層 ，其上游為器件 、 通用硬件 、基礎軟件 ，上游提供了人臉識別算法的輸入 、訓練 、開發和運行環境 ; 下游為設備和產品，最終體現為解決方案，下游是人臉識別算法的產品形態 。

從產業鏈上游來看，國內廠商 ( 以華為 、 寒武紀為代表 ) 在芯片設計方面有較強實力，在芯片制造方面 ，除去手機等對芯片精密程度要求較高的設備，國內廠商具備制造芯片的能力。但高端芯片的制造工藝以及基本元器件都被國外壟斷，成為制約上游廠商發展的瓶頸 。

從人臉識別算法層面來看，國內廠商具備優勢 ，但數據隱私問題 、人種 /地域帶來的算法性能公平性問題，是國內廠商急需解決的問題 。

產業鏈下游 ，人臉識別應用越來越廣泛 ，甚至出現過度濫用盜取用戶隱私的事件。黑客攻擊、非活體攻擊對人臉識別系統安全性也提出了挑戰，用戶隱私保護和安全性成為掣肘，急需相關政策法規來規范市場。

隨著技術發展和安全性要求的提高，人臉識別技術在行業應用中發生巨大變化，從安全性可靠性要求較低的行業上升到金融社保 、證券 、銀行 、互聯網金融等安全可靠性要求較高的行業。我國人臉識別技術目前主要運用在公共安防 、門禁考勤 、金融支付三大領域。

區分不同的應用領域來看，其趨勢逐漸出現分化。從 2019 年看，安防作為人臉識別最早應用的領域之一，其市場份額占比在 30% 左右。隨著雪亮工程 、智慧城市建設的逐步完成，人臉識別在安防領域逐漸從增量市場轉變為存量市場 。人臉識別在門禁考勤領域的應用最為成熟，約占行業市場的 42% 左右，隨著智慧樓宇 、智慧社區、智慧家居的進一步發展，人臉識別門禁考勤市場也將隨之增長。金融作為人臉識別未來重要的應用領域之一，目前約占行業的 20%, 并且市場規模在逐步擴大 。

全球公共衛生環境變化，人臉識別迎來應用新需求。新冠肺炎疫情的爆發并在全世界流行，威脅人類生命安全與健康，引發了一場全球公共衛生危機。相對于指紋、刷卡等接觸式身份識別模式，人臉識別等非接觸式識別模式更適用于當前受新冠病毒影響的全球公共衛生環境，減少病毒通過接觸感染人群。

一方面，人臉識別技術結合紅外體溫監測技術，獲取人員身體健康狀況信息，能及時反饋并控制疫情源頭;另一方面，監控系統的全面布控，可檢測獲取重點人員流動信息，幫助政府防控管制措施做到有的放矢。

目前全球公共衛生環境形式依舊嚴峻，根據智源發布的 《 人臉識別與公共衛生調研報告 》 顯示 ，受訪者普遍贊同加強人臉識別技術的能力，81.9% 的人同意增強對戴有口罩的人的面部識別。為完善疫情防控體系，進一步阻斷傳播源，戴口罩人臉識別技術的新需求浮出水面。

計算芯片技術發展，支撐人臉識別大規模應用。人臉識別算法的工業應用和算法性能除了自身模型性能外，依賴于算法運行的硬件芯片環境。以英偉達的 GPU 和英特爾的 CPU 為代表的通用架構芯片作為人臉識別算法訓練和推理最常用的計算資源。

同時，為了滿足人臉識別應用場景的不斷拓展和數據量的急劇增長對算力的強烈需求，基于領域專用架構 ( Domain Specific Architectures, DSA) 理念的行業專用定制芯片憑借著對特定領域的算法優化，可以充分發揮計算資源和算法模型的效能，已經被部分廠商應用于人臉識別算法的訓練和推理應用，如海思、依圖、寒武紀等企業推出的云端計算芯片，可以逐漸替代 GPU 成為其人臉識別技術應用的主流計算資源。

近年來，信息量的爆炸式增長給數據傳輸存儲及中心計算帶來了巨大的壓力，邊緣計算應運而生。隨著 AI 芯片技術的飛速發展，邊緣計算設備的算力不斷提高，越來越多的計算由邊緣側承擔。一方面，邊緣計算能有效緩解帶寬承載，提高計算傳輸效率，滿足實時響應需求，增強數據安全性;另一方面，模型壓縮及加速技術以及適合人臉識別算法運算的專用 AI 芯片不斷完善，邊緣設備的人臉識別算法精度持續提升，目前基于 AI 芯片的邊緣設備應用基本覆蓋社區、學校、醫院、園區、交通等場景，支撐人臉識別的大規模應用。

云邊端協同部署，人臉識別應用迎來新場景新模式。云邊端的協同部署模式將人臉識別應用模塊分攤到各部分，通過前端邊緣計算實現布控報警，邊端對人臉特征做聚類分析，云端匯聚有效信息，進行大數據對比分析，開展調度工作。

云邊端協同部署方式緩解了云端壓力，支持業務分級響應，云邊結合人臉識別系統通過對云端和邊緣端資源的統一配置 、管理、調度，融合了邊緣計算敏捷性和云端大數據全局性的優勢，使人臉識別系統在帶寬、并發數、 響應速度等維度性能全面提升。

在未來，邊緣端設備的視頻編碼能力和視頻特征抽取能力將進一步加強，AI 應用也會將越來越多的計算承載分攤到前端。云端則由人像系統、視頻結構化系統、人臉人體聚類分析等服務組成，通過分析、聚類 、歸檔形成各種主題庫，跟各種業務應用打通，滿足更多復雜場景下的智能化應用需要。

隨著人臉識別技術的持續深入和應用場景的廣泛普及，預計2025年，中國計算機視覺人臉識別市場規模將突破千億級別，市場發展前景可期。想要了解更多人臉識別行業具體詳情，可以點擊查看中研普華研究報告《2021-2026年中國人臉識別行業深度調研與發展趨勢預測研究報告》

• 相關深度報告REPORTS

  

  2021-2026年中國人臉識別行業深度調研與發展趨勢預測研究報告

  隨著人臉識別行業競爭的不斷加劇，大型企業間并購整合與資本運作日趨頻繁，國內外優秀的人臉識別企業愈來愈重視對行業市場的分析研究，特別是對當前市場環境和客戶需求趨勢變化的深入研究，以期...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡