2021-2022人脸识别行业研究报告.pdf

nullnullnullnull-nullnullnullnull人脸识别行业研究报告 1 行业概况初探 典型企业聚焦 技术发展 认识 应用热点追踪 风险识别预警 情报成果洞察 CONTENTS 目录 1 2 3 4 5 6 3 行业概况初探 01 人脸识别定义 人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。 生物识别是指通过计算机与光学、 声学、生物传感器和生物统计学原 理等高科技手段密切结合，利用人 体固有的生理特性来进行个人身份 鉴定的技术。 计算机通过采集设备获取、识别对 象的面部图像，再利用核心的算法 对其脸部的五官位置、脸型和角度 等特征信息进行计算分析，进而和 自身数据库已有的范本进行对比， 最后判断出用户真实身份。 相比其他生物识别技术，人脸识别 具有以下特征： 非接触性； 非侵扰性； 硬件基础完善和采集快捷便利； 可拓展性好。 主流的生物识别方式有： 指纹识别、虹膜识别、语音识别、 静脉识别和人脸识别。 人脸识别主要包括： 图像采集、人脸检测、 预处理、 人脸特征点提取和人脸匹配 /识别 等一系列流程 。 人脸识别技术的识别率： 已超越人眼，场景应用相对成熟。 一种生物识别技术 如何进行人脸识别 人脸识别的优势 5 人脸识别发展史 技 术 发 展 半机械识别阶段； 基本没有实际应用； 以人机交互识别为主； 诞生了若干代表性的人脸识别 算法； 几乎所有知名的理工科大学和 主要 IT产业公司都有从事相关 研究的研究组； 大量人脸识别企业涌现； 大规模商业化，运用于安防， 金融，交通、警务等领域； 市场规模不断扩大。 产 业 发 展 高尔顿（ Galton）在 1888年和 1910年就分 别在 Nature 杂志 发表了两篇关于利用 人脸进行身份识别的 文章； 初始阶段 1960年 - 1990年 萌芽阶段 20世纪初 突破阶段 1991年 - 1997年 飞速发展阶段 1998年 - 2014年 商业应用阶段 2015年 至今 20世纪 60年代，人 脸识别的工程化应 用研究正式开启， 出现了真正与目前 的人脸识别技术有 较多关联的研究； 1991年，著名的“特征脸”方 法第一次将主成分分析和统 计特征技术引入人脸识别； 1993年，人脸识别第一次应 用在美国国防部发动的 FERET项目； 2013年，微软亚洲研究院的研究 者首度尝试了 10万规模的大训练 数据； 2014年，香港中文大学的 Sun Yi 等人提出将卷积神经网络应用到 人脸识别上，在 LFW上第一次得 到超过人类水平的识别精度； 人脸识别技术精度远超人眼； 人脸识别进入大规模应用阶段。 心理、认知、生物领域的 学者开始着手对人脸识别 进行研究； 没有商业化运用； 深度学习的诞生为机器学习 和人脸识别开启了一个全新 的研究领域，帮助实现全自 动人脸识别； 进一步商业化运用； 随着深度学习、大数据和云计算等领域的不断突破，人脸识别也获得高速发展，市场潜力不断释放。 6 人脸识别市场规模 4 4 5 6 11 15 18 22 24 30 38 45 85 0 10 20 30 40 50 60 70 80 90 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020E2021E 2025E 全球人脸识别市场规模及预期（亿 美元） 10 13 16 21 25 37 45 56 69 85 104 0 20 40 60 80 100 120 2014 2015 2016 2017 2018 2019 2020E 2021E 2022E 2023E 2024E 中国 人脸识别市场规模及预期（亿 人民币 ） 据国际知名市场研究机构 Markets and Markets预测，新冠疫情后全球人 脸识别市场规模预计将从 2020年的 38亿美元增长至 2025年的 85亿美元， 预测期间复合年增长率（ CAGR）约为 17.2%。 安防监控、公共安全、零售与电子商务、金融服务是推动市场增长的重 要因素。 2010-2018年，中国人脸识别市场规模逐年增长，年均复合增长率达 30.7%。前瞻研究院预计，未来五年中国人脸识别市场规模将保持 23%的 平均复合增长速度，到 2024年市场规模将突破 100亿元，合美金约 15.5 亿美金。 人脸识别主要应用领域金融和安防的需求广阔，我国有望成为全球最大 人脸识别市场。 全球人脸识别市场渗透率快速攀升，产业正进入增长快车道， 2020年全球市场规模已突破 38亿美元； 中国市场复合年增长率超过全球平均水平，有望成为全球最大的人脸识别市场。 7 人脸识别行业创新概况 伴随着国内政策环境利好、应用市场火热，行业相关专利申请量也迅速赶超美国、日本； 现今中国已成为人脸识别领域专利申请最多的国家。 中国的相关申请排在全球首位 ， 申请量高达五万余件 ， 占总数的 44%左右 ； 而美国和日本的相关专利申请量分列二三位 ， 占比在 15%17%左右 。 从近二十年行业全球专利申请变化趋势来看 ， 在 2010年以前日本 、 美国专利申请较多 ， 而在 2010年以后国内开始渐渐发力； 2015年以后 ， 国家密 集出台了 关于银行业金融机构远程开立人民币账户的指导意见 (征求意见稿 ) 、 安全防范视频监控人脸识别系统技术要求 、 信息安全技术 网络人脸识别认证系统安全技术要求 等法律法规 ， 推动了国内人脸识别技术在支付 、 安防领域的全面应用推广 ， 业内各企业相关技术创新与专利 布局也迅速发展 ， 中国专利年申请量与其他地区拉开明显差距 。 *数据来源：智慧芽专利数据库， 2020年 12月 14日 中国 56419 47%美国 24971 21% 日本 23395 19% 韩国 8941 7% 中国台湾 1871 2% WIPO 1547 1% 英国 1444 1% EPO 1315 1% 法国 912 1% 人脸识别专利全球地域分布占比 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 人脸识别专利全球地域分布趋势 中国 美国 日本 世界知识产权组织 韩国 8 人脸识别行业创新概况 从 2015年开始，相关专利年申请量逐年猛增， 行业知识产权布局悄然发力 截止 2020年底， 人脸识别 全行业 在全球的专利申 请共有十二万 余 件 ，结合受理局分布来看，中美日 韩为行业内全球商业化程度最高的几个国家。 2000年以后，在全球范围内，人脸识别相关专利 申请进入发展阶段。从 2015年开始，年申请量突 破八千件，这宣告着该领域的专利申请正式进入高 速发展阶段。 此后至今，申请量逐年飞速增长，到了 2018年的 年申请量已达一万八千余件。 行业整体已有一定技术积累，随着人脸识别 技术在各场景的深入落地，新的创新方向被 更多发掘 一方面 ， 该领域的专利申请已经历过相当一段时间， 早期授权的专利中有八千 余 件已经 超过专利保护期 限 ，这反映出人脸识别相关的一些技术较为成熟， 例如在普通场景下对于面部的识别精度已经很高。 另一方面，目前仍有三万 余 件相关专利 处 在审查过 程中，反映该领域近期的创新仍然较为活跃。这是 由于在近来 3D传感等新技术的不断发展下，人脸 识别随之产生一些新的技术创新点，并且随着物联 网深入落地人类社会生活，人脸识别 在 各种新场景 下的创新方向 也被更多地发掘。 来源：智慧芽 Insights专利分析报告， 2020年 12月 14日 发明 , 112000, 88% 实用新型 , 11300, 9% 外观设计 , 3801, 3% 有效 , 42400, 34% 失效 , 41300, 33% 审中 , 31600, 26% PCT指定期 满 , 7769, 6% PCT指定期 内 , 1026, 1% 全球专利年申请量趋势图 全球专利法律状态概况 全球专利类型分布 961 2324 3670 8695 4070 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 2000 2005 2010 2015 2020 9 全球专利主要受理局分布概况 技术发展 产业布局商业化程度 国外巨头公司大多呈现全产业布局的特征，即 这些巨头在人脸识别上中下游均有布局。 美国人脸识别领域研究起步早，拥有多所世界 先进的科研机构与人才，产生多次开拓性的发 现，科研成果质量很高。 美国社会对人脸识别技术的担忧，远远压倒了对 这种技术所带来的益处的乐观预期，人脸识别正 在面临越来越多的反对声浪。 虽起步略晚，在世界人工智能实力比拼中， 中国的计算机视觉与图像已获得了一定的领先优势。 作为其中最重要的应用之一， 人脸识别在我国各行业遍 地开花，近年来更逐步展现出全球领跑的姿态。 然而， 由于在人工智能的基本算法、芯片、传感器等方面，欧美仍处于领先地位 ，中国人脸识别技术是 否可以弯道超车，仍取决于 继续不断深耕行业与应用场景，同时，不断加大基础科学领域的发展 。 相对于美国起步较晚，但近年来迅速崛起，涌 现出一批以中科院等为代表的科研机构。 整体科研成果多，世界先进，但相比美国，在 科研成果质量上仍有一定上升空间。 中国人脸识别的境遇与美国截然相反。科技巨 头持续扎堆布局，初创企业发展势头良好，企 业数量猛增，政府和产业资本也持续关注人脸 识别技术与行业的发展。 国内人脸识别创业公司基本缺席上游的芯片和 算法开发环节，除了少量在中游有技术突破外， 大多数集中于下游场景应用层。 对 比 针对人脸识别领域主要研究热点和高频关键 词的研究中发现，中美研究主题基本相似， 但美国对于研究开展的时间往往早于中国。 中国在该领域的累计发文量已超越美国，但 就总被引量和篇均被引数据来看，还有一定 的差距，缺乏极具原创性和具影响力的论文。 国家 /地区 专利申请量 论文发文量 中国大陆 56419 7166 美国 24971 3521 * 来源： 2018年 10月，世界科技研究与发展杂志刊登的 基于文献计量的人脸识别技术研究进展与趋势分析 * 来源：市场研究顾问公司 Compass Intelligence，广证恒生 人脸识别通 用人工智能 芯片排名 * 前十位均被 国外企业垄 断 中美人脸识别行业对比 2015年以来，中国持续出台利好政策，推动了 人脸识别各领域的应用；与此同时，美国旧金 山、纽约州、波士顿等地区抗议活动频发，亚 马逊、 IBM、微软、谷歌等公司迫于压力，相 继宣布暂停或禁止人脸识别产品的销售或暂停 投资。 国家 /地区 专利受理量 中国大陆 55911 美国 20552 10 中国人脸识别行业投融资概况 随着人脸识别技术变现能力逐步增强，投融资热情高涨；同时，行业竞争也将逐渐加剧。 12.44 7.57 18.96 124.23 187.15 65.85 7 9 16 20 15 9 0 5 10 15 20 0 50 100 150 200 250 300 350 2014 2015 2016 2017 2018 2019 中国人脸识别投融资概况 * 投融资金额（亿 人民币） 投融资数量（起） 人脸识别技术投资仍然是计算机视觉与图像投 资领域的的重点 2012-2019年，人脸识别行业共发生 80起投融资事件， 总金额达 337亿元，占计算机视觉与图像投融资金额比 重的 40%。 其中 2017-2018年行业投融资热情最为高涨 2017-2018年人脸识别技术投融资数量较多； 平均单笔投融资金额高达近 9亿 人民币。 预计未来随着人脸识别行业在各场景中的应用 逐渐成熟，将吸引更多的投资者与企业入局 随着互联网、云计算、大数据、人工智能等计算机科 学技术的进步，人脸识别行业应用场景更加广阔，带 来新的市场投资机会的同时，也加剧了行业市场竞争。 *来源：前瞻产业研究院 11 中国人脸识别行业投融资大事记 公司 投资方 投资金额 投资时间 旷视科技 联想乐基金、联想之星 百万元 2012.8 旷视科技 创新工场 数百万美元 2013.7 依图科技 真格基金 100万美元 2014 商汤科技 IDG 千万美元 2014.11 依图科技 红杉中国、高榕资本 数百万美元 2015 旷视科技 创新工场、启明创投 4700万美元 2015.1 微模式 未公布 2500万人民币 2015.6 商汤科技 StarVC 未公布 2016.4 Linkface 九鼎集团 未公布 2016.5 依图科技 云锋基金 数千万美元 2016.6 飞搜科技 未公布 1000万人民币 2016.7 旷视科技 鸿海集团、富智康 2000万美元 2016.11 旷视科技 建银国际、鸿海集团 1亿美元 2016.12 依图科技 高瓴资本、云锋基金、红杉资本、高榕资本、真格基金 3.8亿元 2017.5 商汤科技 鼎晖领投、万达投资；赛领资本领投、中金公司、基石资本等 4.1亿美元 2017.7 中联晟世 邦恒资本 数百元人民币 2017.9 旷视科技 国风投、蚂蚁金服、富士康、阳光保险、中俄投资基金、 SK电讯创投 4.6亿美金 2017.10 云从科技 顺为资本、元禾原点、普华天勤、张江星河、兴旺投资、佳都新太、杰翱资本 5亿人民币 2017.11 瑞为科技 盈峰资本、赛天资本领投 亿元以上 2017.12 商汤科技 阿里巴巴（领投）、淡马锡、苏宁 6亿美元 2018.4 商汤科技 厚朴基金（领投）、富达投资、老虎基金、银湖投资、保利资本等 6.2亿美元 2018.5 依图科技 工银国际、高成资本、浦银国际 2亿美元 2018.6 深醒科技 国际嘉和、昆仲资本、经纬中国 亿元以上 2018.6 依图科技 兴业国信资管 -兴业证券 1亿美元 2018.7 商汤科技 软银中国 10亿美元 2018.9 云从科技 元和原点创投、渤海基金、联升资本、粤科金融 亿元以上 2018.10 脸家 浚源资本、顺风传媒 1000万 2018.11 魔点科技 依图科技、鼎聚投资、银盈资本 6000万 2018.12 旷视科技 麦格理、中银投资、阿布扎比投资局、工银资管 7.5亿美元 2019.5 肇观电子 众筹资本 未披露 2020.7 依图科技 润诚产业领航基金 3000万美元 2020.3 云从科技 中国互联网投资基金、上海国企改革发展股权投资基金（领投） 18亿人民币 2020.5 融资金额 单笔融资记录不断被刷新，研发 的人力成本以及推动技术应用落 地最为“烧钱”。其中，商汤科技 与旷视科技“吸金”最多。 主要投资机构 投资机构普遍专业且规模较大， 与此同时，近年也出现了一些金 融和安防等细分领域的投资方， 有利于人脸识别技术深入的商业 化应用落地。 主要获投企业赛道不同 人脸识别只是技术，真正的赛道 却是应用领域，目前吸金能力最 强的人脸识别“四小龙”，分别是 商汤、旷视、依图、云从。 融资记录不断刷新，红杉、软银等知名投资机构争相入股，行业独角兽迅速崛起。 12 人脸识别产业全景图谱 随着人脸识别近年来的快速发展，行业已逐步在底层基础支撑、核心技术创新和下游应用之间建立了初步产业链条。 上 游 基 础 层 中 游 技 术 层 下 游 应 用 场 景 层 算法支持 数据支持硬件支持 AI芯片 传感设备 FDDB FaceScrub Caltech10k Web Faces YouTube Face CK+ LFW IMDB-WIKI MultiPIE Adience MegaFace CACD2000 CAS-PEAL WebFace Pubfig 手机娱乐安防 金融 电子零售 医疗卫生 出行交通 上游为基础层 包括人工智能芯片和 传感设备等硬件、以 及基础算法和数据集。 中游为技术层 由人脸识别和数据库 对比检验等技术层构 成，包括人脸检测、 活体检测、人脸识别 等等技术。 下游为场景应用 直接解决具体应用场 景的需求，产品的形 式可能是应用系统， 也可能是软硬件一体 的终端产品或服务等。 13 人脸识别产业链解析 上游基础层 算法支持 算法模型 硬件支持 人工智能芯片 传感设备 数据支持 数据集 人脸识别产业链上游基础层，包括 1）芯片和传感设备等硬件支持， 2）算法支持，以及 3）数据支持。 国内企业目前在硬件、人工智能深度学习层面根基不深。 芯片占人脸识别系统成本的一半以上。 芯片高端市场基本被国外企业垄断。 目前 GPU 是人脸识别领域 AI 芯片的主 导者。因深度学习算法对算力资源需求 高，常见芯片有 GPU 、 FPGA 、 ASIC ， DSP，各有利弊，适应不同需求和方法。 视觉传感器主要有 CCD、 CMOS，红外 传感器等。随着 3D人脸识别市场的快速 增长， 3D识别未来将逐步取代 2D识别 技术，目前，中国已突破 3D人脸识别技 术壁垒，产业链正在逐步优化。 来自全球各大学、研究所、企业提供的 人脸数据库，如： PubFig、 Colorferet、 LFW、 YouTube Faces、 IMDB-WIKI、 FDDB、 Caltech、 CASIA-WebFace等； 以及香港中文大学汤晓鸥教授实验室 CelebA，中科院 CAS-PEAL等。 目前，基于人工设计的特征和传统机器 学习技术的传统方法近来已被使用非常 大型的数据集训练的深度神经网络取代。 卷积神经网络（ CNN）是人脸识别方 面最常用的一类深度学习方法。深度学 习方法的主要优势是可用大量数据来训 练，从而学到对训练数据中出现的变化 情况稳健的人脸表征。 14 人脸识别产业链解析 中游技术层 目前主流的人脸识别算法有： 基于人脸特征点的识别算法；基于整幅人脸图像的识别算 法；基于模板的识别算法；利用神经网络进行人脸识别识别的算法等。随着深度学习技 术的普及，各大公司的人脸算法效果差距也越来越小。 算法精度与准确率： 美国国家标准与技术研究院（ NIST）的全球人脸识别算法测试 （ FRVT）中，精度甚至可以达到在千万分之一误报下的识别准确率超过 99%。国内企业 在人脸识别算法领域具有领先优势，依图、商汤、旷视、大华等在测试结果中领先。然 而人脸算法虽然在各种数据集的测试中准确率颇高，但还远没达到在商业应用中的满意 程度。 各步骤作用： 其中人脸检测 、 人脸预处理 、 特征提取可统称为人脸视图解析过程 ， 即从视频和图像中检测出人脸 ， 通过图像质量判断 ，选取合适的人脸图片 ， 提取人脸 特征向量 ， 用于后续比对识别 ；比对识别处理可以分为人脸验证 （ 1 ： 1 ） 和人脸辨 识 （ 1 ： N ） 两类 ；活体检测算法用以判断人脸识别处理中的人脸图像 ， 是否采集 自真实人体 。 2D vs 3D 解决方案： 人脸识别市场的解决方案主要包括 2D识别、 3D识别技术。目前 2D 识别方案占主流，但由于人的脸部并非平坦， 2D识别在将 3D人脸信息平面化投影的过程 中存在特征信息损失，而 3D识别使用三维人脸立体建模方法，可最大程度保留有效信息， 比 2D算法更合理并拥有更高精度，成为未来技术发展趋势之一。 技术层 中游技术层构成： 中游由视频人脸识别、图片人脸识别和数据库对比检验等技术层构成， 大体包括人脸检测 、 人脸预处理 、 特征提取 、比对识别 、 活体检测五大步骤，是推 动下游场景应用拓展的关键所在。 15 人脸识别下游是具体的场景应用，即应用方案、终端或服务等。 人脸识别技术逐渐在智慧城市、公共安全、轨道交通、政府治理及交通等行业落 地应用。目前国内人脸识别行业应用的主要场景为：智慧安防与智慧金融，二者 市场占比之和超过 80%。 人脸识别只是技术，真正的赛道却是行业，产品能否达到实际使用要求，真正的 核心并不只在于算法本身，还在于对场景的深耕。 人脸识别下游场景应用领域，厂商众多。 在占据人脸识别市场大部分份额的 B端 领域，既有做传统安防起家的海康威视，大华股份；也有人脸识别四大独角兽 依图科技、旷视科技、商汤科技、云从科技；在目前体量较小的 C 端领域，有 腾讯、 阿里巴巴等企业布局。 智慧安防 智慧金融 医疗卫生 其他出行交通 政府 手机娱乐 电商消费 互联网巨头 从事人工智能 相关研究 工业巨头 在应用领域 已有一定的 客户积累 创业公司 以技术切入， 与传统厂商 合作 中国 人脸识别 下游 企 业 人脸识别产业链解析 下游场景应用层 16 中国人脸识别产业发展环境 技术发展 逐步成熟， 仍面临新的挑战 作为人脸识别的基础之一，深度学习技术 经过多年的发展，已提出了许多深度神经 网络，包括卷积神经网络、循环神经网络、 玻尔兹曼机、自编码器和生成对抗网络， 拓展了应用领域。未来，人工智能技术的 发展也必将在现有的研究成果上取得更大 的进展。有助于提升人脸识别的准确性和 速度。 然而伴随各种应用场景的普及与发展，海 量多维的数据对 AI芯片的计算架构、运算 能力、场景与算法适用性、安全可控等都 提出新的挑战， 痛点犹存，有待发展。 经济 资本与政府科 研基金的支持 国家 863计划、国家科技支撑计划、自然 科学基金都拨出了专款资助人脸识别的相 关研究。 2012-2019年，人脸识别行业共发生 80起 投融资事件，总金额达 337亿元，占计算 机视觉与图像投融资金额比重的 40%。 而且单笔融资记录不断被刷新，支持人脸 识别企业“烧钱”进行研发与商业化尝试。 社会文化 AI人才培 养加快脚步 从全球范围来看，美国是人脸识别研究学 者聚集最多的国家，在人脸识别领域的研 究占有绝对的优势；英国紧随其后，位列 第二；中国位列全球第三，占有一席之地。 目前，相关人才培养也越来越受到重视。 2018年，教育部印发 高等学校人工智能 创新计划 ，提出“完善人工智能领域人 才培养体系”目标，在 2018年首批 612个 “新工科”研究与实践项目中，建设了 57个 人工智能类项目，清北复交浙等多所高校 围绕 AI领域设置了二级学科或交叉学科。 政策 利好政策频发， 规范和助推产业发展 2015年以来，国家密集出台了 关于银 行业金融机构远程开立人民币账户的指 导意见（征求意见稿） ，给人脸识别 技术全面普及应用打开了局面；其后， 安全防范视频监控人脸识别系统技术 要求 、 信息安全技术网络人脸识别 认证系统安全技术要求 相继出台，并 且于 2017年人工智能被首次写入国家政 府报告。随后 2017年 12月， 促进新一 代人工智能产业发展三年行动计划 （ 2018-2020 年） 正式发布，其中具 体规划到： 到 2020年，复杂动态场景下 人脸识别有效检出率超过 97%，正确识 别率超过 90%”。 利好： 人脸识别相关技术发展相对成熟，近年来，在国内鼓励政策及市场需求的双重刺激下，资本大量涌 入，市场潜力巨大。 困境： 技术尚存一定的隐患，不同场景 /光线 /角度下识别结果的准确性、面对伪装攻击时的分辨能力、以 及个人隐私的安全性都是目前有待解决的问题；对于企业而言，相同赛道上各家算法技术的技术差距已经越 来越小，硬件厂商与互联网巨头在各自行业领域已深耕多年，对于渠道和客户的控制力强，因此市场竞争越 来越激烈。 中国人脸识别产业发展环境解析 17 中国人脸识别产业地域分布 北京 504 天津 126 山东 261 江苏 626 上海 350 浙江 424 福建 182湖南 3304 四川 225 重庆 119 湖北 231 陕西 179 河南 166 安徽 331 广东 2636 企业数量 1000家 企业数量 300-1000家 企业数量 100-300家 企业数量 100家 *来源：企查查、中商产业研究院， 2020年 10月 14日 中国人脸识别企业分布 中国人脸识别专利申请地理分布 *来源：智慧芽 Insights专利分析报告， 2020年 12月 14日，该数据仅统计专 利量排名 TOP10省份 中国人脸识别专利申请地理分布 广东 15333 山东 1557 江苏 4994 浙江 3579 福建 1386 安徽 1806 湖北 1270四川 2038 北京 7810 上海 3241 全国各地区企业纷纷涌入行业，其中广东、北京、浙江、江苏等地区已形成头部竞争优势，产业基础充足、 创新势头强劲。 18 典型企业聚焦 02 行业排名 美国国家标准与技术研究院（ NIST） 2020年 12月公布全球人脸识别算法测试（ FRVT）最新结果中，中国企业成绩优秀 Algorithm Date Mugshot Mugshot Mugshot Mugshot Visa Visa Mugshot Identification 模式 Mugshot Mugshot Webcam Profile Border Kiosk Mugshot 12+YRS N = 12000000 N = 1600000 N = 1600000 N = 1600000 N = 1600000 N = 1600000 N = 3000000 商汤科技 sensetime_004 2020_08_10 0.0024(1) 0.0015(1) 0.0111(2) 0.0850(1) 0.0046(1) 0.1063(2) 0.0123(2) 格灵深瞳 deepglint_001 2020_07_23 0.0050(5) 0.0025(5) 0.0116(3) 0.7914(33) 0.0051(2) 0.1177(3) 0.0236(6) VisionLabs visionlabs_009 2020_08_04 0.0074(7) 0.0030(7) 0.0210(7) 0.1977(7) 0.0061(3) 0.1009(1) 0.0333(7) NEC nec_2 2018_10_30 0.0036(4) 0.0019(3) 0.0160(5) 0.9969(125) 0.0065(4) 0.5352(60) 0.0130(3) 商汤科技 sensetime_003 2019_12_02 0.0024(2) 0.0015(2) 0.0105(1) 0.1953(6) 0.0065(4) 0.1238(5) 0.0112(1) NEC nec_3 2018_10_30 0.0031(3) 0.0021(4) 0.0149(4) 0.5136(18) 0.0067(6) 0.5298(59) 0.0136(4) 大华股份 dahua_003 2020_11_13 0.0203(16) 0.0087(14) 0.0317(13) 0.2851(10) 0.0093(7) 0.1226(4) 0.0915(14) Paravison paravision_005 2019_12_11 0.0065(6) 0.0030(6) 0.0199(6) 0.2335(9) 0.0097(8) 0.1249(6) 0.0336(8) cib_000 2020_10_19 0.0280(29) 0.0076(11) 0.0332(14) 0.9996(157) 0.0114(9) 0.7842(76) 0.0762(12) VisionLabs visionlabs_008 2019_06_18 0.0194(14) 0.0086(12) 0.0416(18) 0.1799(5) 0.0115(10) 0.1330(7) 0.0821(13) 大华股份 dahua_002 2019_12_02 0.0218(20) 0.0099(16) 0.0373(16) 0.3540(13) 0.0120(11) 0.1416(8) 0.0962(17) Ever AI everai_paravision_004 2019_06_19 0.0148(9) 0.0064(9) 0.0303(12) 0.9997(159) 0.0143(12) 0.5486(64) 0.0675(11) 芯翌科技 XFORWARDAI xforwardai_000 2020_07_24 0.0217(18) 0.0099(17) 0.0437(22) 0.1228(3) 0.0151(13) 0.1496(9) 0.0986(19) 讯连科技 cyberlink_002 2020_07_31 0.0217(17) 0.0094(15) 0.0422(21) 0.9274(48) 0.0179(14) 0.1886(16) 0.0917(15) 微软 microsoft_5 2018_10_29 0.0356(38) 0.0163(34) 0.0549(29) 0.1599(4) 0.0189(15) 0.1511(10) 0.1430(29) 中国科学院深圳先 进技术研究 siat_1 2018_06_30 0.0226(21) 0.0109(21) 0.3548(163) _ 0.0194(16) _ _ 商汤科技 sensetime_002 2019_06_04 0.0154(11) 0.0144(29) 0.0245(9) 0.9806(83) 0.0204(17) 0.2281(25) 0.0138(5) VisionLabs visionlabs_7 2018_10_30 0.0377(42) 0.0169(36) 0.0701(40) 0.3169(11) 0.0205(18) 0.1702(13) _ 微软 microsoft_6 2018_10_29 0.0184(13) 0.0086(13) 0.0298(11) 0.1174(2) 0.0212(19) 0.1548(11) 0.0666(10) Innovatrics innovatrics_006 2020_10_05 0.0237(23) 0.0179(41) 0.0808(54) 0.6941(25) 0.0218(20) 0.1767(14) 0.0957(16) 像素数据 pixelall_004 2020_07_02 0.0230(22) 0.0109(20) 0.0497(24) 0.9992(148) 0.0227(21) 0.9855(93) 0.1184(24) Synesis synesis_005 2020_09_08 0.0363(40) 0.0170(38) 0.0558(30) 0.8694(39) 0.0233(22) 0.1849(15) 0.1335(27) Ntechlab ntechlab_007 2019_06_25 0.0360(39) 0.0175(40) 0.0534(28) 0.4694(16) 0.0240(23) 0.2020(20) 0.1824(42) 微软 microsoft_4 2018_06_26 0.0369(41) 0.0171(39) 0.0700(39) _ 0.0247(24) 0.1950(17) 0.1594(34) Ntechlab ntechlab_008 2020_01_06 0.0218(19) 0.0099(18) 0.0364(15) 0.1998(8) 0.0249(25) 0.1599(12) 0.1718(37) 全球人脸识别算法测试（ FRVT) 1-N 测试结果前 25名算法 * Algorithm Date Mugshot Mugshot Mugshot Mugshot Visa Visa Mugshot Investigation 模式 Mugshot Mugshot Webcam Profile Border Kiosk Mugshot 12+YRS N = 12000000 N = 1600000 N = 1600000 N = 1600000 N = 1600000 N = 1600000 N = 3000000 VisionLabs visionlabs_009 2020_08_04 0.0017(5) 0.0011(4) 0.0083(7) 0.0913(4) 0.0014(1) 0.0707(2) 0.0049(4) 大华股份 dahua_003 2020_11_13 0.0018(7) 0.0012(5) 0.0072(4) 0.2060(13) 0.0020(2) 0.0725(3) 0.0077(11) cib_000 2020_10_ 9 0.0131(86) 0.0015(10) 0.0081(5) 0.1000(5) 0.0021(3) 0.0694(1) 0.0066(6) VisionLabs visionlabs_008 2019_06_ 8 0.0030(20) 0.0020(23) 0.0136(25) 0.1409(7) 0.0023(4) 0.0806(5) 0.0083(13) 商汤科技 sensetime_004 2020_08_ 0 0.0012(1) 0.0010(1) 0.0069(2) 0.0725(1) 0.0023(5) 0.0845(8) 0.0034(1) 格灵深瞳 deepglint_001 2020_07_23 0.0018(6) 0.0014(8) 0.0070(3) 0.1995(12) 0.0024(6) 0.0728(4) 0.0056(5) 大华股份 dahua_002 2019_12_02 0.0027(12) 0.0018(19) 0.0115(17) 0.3041(19) 0.0026(7) 0.0837(6) 0.0104(14) 商汤科技 sensetime_003 2019_12_02 0.0012(2) 0.0010(2) 0.0067(1) 0.1499(9) 0.0026(7) 0.0911(9) 0.0040(2) 微软 microsoft_5 2018_10_29 0.0037(31) 0.0019(21) 0.0109(15) 0.1438(8) 0.0030(9) 0.0987(16) 0.0175(30) Synesis synesis_005 2020_09_08 0.0088(65) 0.0085(101) 0.0127(23) 0.7441(72) 0.0032(10) 0.0923(10) 0.0138(21) Ntechlab ntechlab_008 2020_01_06 0.0027(13) 0.0017(14) 0.0096(9) 0.1570(11) 0.0034(11) 0.0837(7) 0.0292(52) NEC nec_2 2018_10_30 0.0013(3) 0.0010(3) 0.0088(8) 0.3628(27) 0.0034(12) 0.1170(32) 0.0049(3) 微软 microsoft_4 2018_06_26 0.0028(15) 0.0015(9) 0.0120(19) _ 0.0035(13) 0.1093(28) 0.0145(22) VisionLabs visionlabs_7 2018_10_30 0.0034(26) 0.0018(15) 0.0149(32) 0.2112(14) 0.0036(14) 0.0954(13) _ Innovatrics innovatrics_006 2020_10_05 0.0035(29) 0.0025(36) 0.0134(24) 0.5102(37) 0.0037(15) 0.0938(12) 0.0119(19) NEC nec_3 2018_10_30 0.0016(4) 0.0014(7) 0.0099(12) 0.3523(26) 0.0037(15) 0.1204(35) 0.0075(10) 微软 microsoft_6 2018_10_29 0.0038(33) 0.0020(22) 0.0114(16) 0.1503(10) 0.0037(17) 0.10