人脸识别：应用全面落地，爆发临界点已至.pdf

证券 研究 报告 请务必阅读正文后免责条款部分 1 2017 年 03 月 28 日 行业研究 评级 :中性 （ 维持 ） 研究所 证券分析师： 孔令峰 S0350512090003 010-68366838 证券分析师： 宝幼琛 S0350517010002 baoycghzq 联系人 ： 孙乾 S0350116100016 021-58922351 sunq01ghzq 人脸识别： 应用 全面落地，爆发临界点 已至 计算机主题落地系列报告 之一 最近一年 行业 走势 行业相对表现 表现 1M 3M 12M 计算机 2.9 2.6 -7.0 沪深 300 0.5 5.0 9.1 相关报告 计算机行业深度报告：大宗电商全面实现“ 0-1”落地 2017-03-24 计算机行业周报：互联网时代掘金 -从美图、宜人贷看起 2017-03-19 计算机行业事件点评报告： B 端人脸识别安全系数高，持续看好人脸识别板块 2017-03-16 计算机行业事件点评报告： Intel 大手笔收购 Mobileye，无人驾驶板块热度有望提升 2017-03-15 计算机行业周报：人工智能、消费金融的春天 2017-03-13 投资要点： 市场规模不断提升，政策支持力度加大 2015 全球安防设备市场报告显示，我国人脸识别市场规模从 2012 年的 16.7 亿元 ,上升至2015 年的 75 亿元。 伴随人脸识别应用场景的丰富，我们预计 2017年 整体市场规模 达到 百亿 以上 。同时人脸识别政策支持力度明确，后续预计催化剂不断，自 2016 年以来国内一级市场人脸识别企业融资热度高涨也反映出市场对人脸识别领域的一致看好。 CNN 算法解决精度问题，人脸识别优势明显 人脸识别发展至今 已有数十年，识别率不高一直是压制人脸识别普及的关键因素，卷积神经网络 （ CNN） 在算法中的应用助力人脸识别准确率超越人眼，为大规模普及打下基础 。 同时与指纹识别等模式识别横向对比，人脸识别优势明显，非接触性、非侵扰性、硬件基础良好等优势也为人脸识别迅速落地带来助力。 行业发展迅速， B 端百亿市场有望率先爆发 技术瓶 颈解决催生了众多应用场景 。 B 端场景的核心驱动力在于安防需求，已有不少落地案例。在不考虑对现有摄像头等安防软硬件系统更换的情况下，粗略估计主要应用领域市场规模，公安领域 16 亿以上、交通领域 50亿以上、金融领域百亿级别、教育领域百亿级别。 C 端市场由于盈利模式还未成熟 ， 主要以集成在智能手机或者搭载于智能摄像头之中的形式售卖，市场还未充分打开。 我们预计 B 端市场有望率先爆发 多方逐鹿 ， 综合实力至关重要 人脸识别 巨大 市场 吸引各路玩家进场， 共同推动行业发展 ， 目前存在三类公司： 1） Face+等初创型；2）工大高新等上市公司； 3）百度等互联网巨头。现在落地的人脸识别项目主要为大型政府项目， 技术、产品整体解决方案、资金、渠道等方面缺一不可，因此对于工大高新等已上市企业较为有利，有望在竞争中脱颖而出 。 行业 评级及投资策略 维持对计算机行业“中性”评级。 横向对比来看，人脸识别在众多模式识别方式中优势明显，应用场景更加广阔 。 纵向分析， 2016 年已经有众多落地案例，行业内龙头创业公司-20.00%-15.00%-10.00%-5.00%0.00%5.00%10.00%15.00%计算机 沪深 300 证券 研究 报告 请务必阅读正文后免责条款部分 2 于 2016 年底至 2017 年初均完成大笔新一轮融资，上市公司 2017年也推出大量商业化人脸识别产品，百度也将人脸识别作为 2017 年重点 发力方向，人脸识别 2017 年的爆发在产业内基本已成共识。建议投资者重点关注人脸识别领域投资机会。 重点推荐个股 重点推荐 标的：工大高新、汉王科技、 佳都科技、川大智胜、东方网力。 风险提示： 1）产业进展不及预期的风险； 2）市场系统性风险； 3）相关公司业绩不达预期的风险 。 重点关注公司及盈利预测 重点公司 股票 2017-03-27 EPS PE 投资 代码 名称 股价 2015 2016E 2017E 2015 2016E 2017E 评级 002253.SZ *川大智胜 31.13 0.24 0.17 0.23 663.61 162.73 133.49 增持 300367.SZ *东方网力 20.04 0.83 0.44 0.60 152.53 45.59 33.52 买入 600701.SH 工大高新 16.81 -0.04 0.07 0.36 -451.36 237.29 46.14 买入 600728.SH *佳都科技 9.10 0.34 0.17 0.25 209.09 53.17 36.49 买入 资料来源：公司数据， wind、 国海证券研究所 （注： 带 *的公司盈利预测取自万德一致预期 ） 证券 研究 报告 请务必阅读正文后免责条款部分 3 内容目录 1、 市场规模不断提升，政策支持力度加强 . 5 1.1、 市场规模不断提升 . 5 1.2、 政策支持力度不断加强 . 5 1.3、 一级市场火热，国内专利不断攀升 . 6 2、 CNN 算法解决识别精度，人脸识别优势明显 . 8 2.1、 发展历史悠久， CNN 算法助力识别率大幅提升 . 8 2.2、 2D 人脸识别为主， 3D 人脸识别还未成熟 . 9 2.3、 生物识别技术中人脸识别优势明显 . 10 3、 行业发展迅速， B 端百亿市场有望率先爆发 . 11 3.1、 B 端增量市场核心动力在于构建大安防体系 . 12 3.2、 C 端市场还未充分打开 . 13 4、 多方逐鹿，综合能力至关重要 . 15 4.1、 创业公司：基于技术优势切入市场 . 15 4.2、 上市公司：技术 +资金 +渠道、综合实力强劲 . 16 4.3、 互联网巨头： C 端影响力强大， 探索 B 端落地 . 17 5、 行业评级及投资策略 . 20 6、 重点推荐个股 . 21 7、 风险提示 . 23 证券 研究 报告 请务必阅读正文后免责条款部分 4 图表目录 图 1：生物识别领域未来五年复合增长率 . 5 图 2：全球生物识别市场规模（亿美元） . 5 图 3： 2007-2015 年人脸识别新增专利主要国家分布 . 7 图 4：人脸识别专利总量主要国家分布 . 7 图 5：人脸识别发展阶段 . 8 图 6：人脸识别算法流程 . 9 图 7：移动人脸识别系统 . 12 图 8： How-old-do-i-look. 14 图 9： ibaby 婴儿监视器 . 14 图 10：云从科技部分金融案例 . 16 表 1：人脸识别相关政策 . 6 表 2：人脸识别部分企业融资情况 . 6 表 3： 2D、 3D 人脸识别对比 实验结果 . 9 表 4：模式识别对比 . 10 表 5：典型应用场景 . 11 表 6：人脸识别相关创业公司 . 15 表 7：人脸识别相关上市公司 . 17 表 8：互联网巨头人脸识别相关布局 . 18 证券 研究 报告 请务必阅读正文后免责条款部分 5 1、 市场规模不断提升，政策支持力度加强 人脸识别技术指的是通过比较人脸的视觉特征信息从而进行身份鉴别的技术， 属于人工智能 模式识别中 的一种典型应用。 1.1、 市场规模不断提升 自诞生之初 ，人脸识别技术就受到人们的 普遍 关注， 随着 计算机、光学成像 等相关 技术的高速发展，人脸识别技术得到越来越多的应用 ，市场规模持续 提升 。 2015 全球安防设备市场报告 显示 ， 我国人脸识别市场规模 从 2012 年的 16.7亿元 ,上升至 2015 年的 75 亿元 。 云从科技创始人周曦预测， “未来五年之内，国内人脸识别的市场规模可能将达到 1000 亿元。” 同时根据我们测算，人脸识别主要应用领域市场规模，公安领域 16 亿以上、交通领域 50 亿以上、金融领域百亿级别、教育领域百亿级别，在不考虑大安防硬件存量市场的前提下，整体市场规模就达到数百亿。 马云 在 2015 年的 Cebit 展会（汉诺威消费电子 、 信息及 通信博览会）展示“刷脸 支付 ”后 ，人脸识别技术在大众中的认知度快速 提升 ，在各行业应用渗透持续 加速 。 人脸识别作为人工智能模式识别中应用领域最为 广泛的细分行业，伴随安防、交通等新增市场的打开，预计整体市场规模有望呈现爆发式增长。 图 1：生物识别领域未来五年复合增长率 图 2：全球生物识别市场规模（亿美元） 资料来源：智研咨询、国海证券研究所 资料来源：前瞻网、国海证券研究所 1.2、 政策支持力度不断加强 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）、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，为人脸识别在金融、安防 、医疗等领域的普及打下了坚实的基础 ，扫清了政策障碍。 同时， 2017 年人工智能首次写入国家政府报告，作为人工智能的重要细分领域，可以预计人脸166.6% 73.3% 100.0% 140.0% 0.0%20.0%40.0%60.0%80.0%100.0%120.0%140.0%160.0%180.0%人脸识别 指纹识别 虹膜识别 其他 49.3 60.3 73.4 85.2 97.8 130 250 0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%80.00%90.00%100.00%0501001502002503002009 2010 2011 2012 2013 2015 2020E全球生物识别市场规模（亿美元） 增长率 证券 研究 报告 请务必阅读正文后免责条款部分 6 识别相关政策支持力度将不断增强。 表 1：人脸识别相关政策 时间 政策名称 发布部门 主要内容 2015 年 1 月 7 日 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 ) 中国人民银行 坚持柜台开户为主，远程开户为辅；实施客户身份识别机制的自证。 2015 年 4 月 14 日 关于加强社会治安防控体系建设的意见 中共中央办公厅、国务院办 公厅 提出网络化管理要求，以精确信息做到矛盾化解。未来网络化精细管理是平安城市和智能交通管理的发展方向。 2015 年 5 月 15 日 安全防范视频监控人脸识别系统技术要求 国家质量监督检验检疫总局、国家标准化管理委员会 适用于 以安全防范为目的的视频监控人脸识别系统的总体规划 、 方案设计 、 设备生产 、 质量控制等 。 其他领域可参考使用 。 。 2015 年 12 月 25 日 中国人民银行关于改进个人银行账户服务加强账户管理的通知 中国人民银行 提供个人银行开立服务时，有条件的银行可探索生物特征识别技术和其他有效的技术手段作为核验。 2016 年 5 月 18 日 “互联网 +”人工智能三年行动实施方案 发改委、科技部等 4 部门 到 2018 年，打造人工智能基础资源与创新平台，人工智能产业体系、创新服务体系、标准化体系基本建立。这项政策的发布将人工智能普及到政府和企业之间。 2016 年 11 月 29 日 关于落实个人银行账户 分类管理制度的通知 中国人民银行 对 II、 III 类账户的开立、变更、注销、个人信息验证办法、视频及人脸识别等技术手段以及不同账户的使用功能和限制等作了详细的规定 。 2017 年 3 月 5 日 2017 年政府工作报告 国务院 指出要加快培育壮大包括人工智能在内的新兴产业 。 资料来源： 发改委、国务院等官网、 国海证券研究所 1.3、 一级市场火热 ， 国内 专利 不断攀升 在市场规模保持快速增长，政策支持力度明显加大的背景下，其一级市场的热度也不断提升， 值得注意的是一批明星创业公司于 2016 年底集中完成了大额融资 ，超亿元人民币的创业公司就有深醒科技、商汤科技、 Face+等数家， 从某种层面上也代表了一级市场对 人脸识别行业 2017 年的 发展前景一致看好。 表 2： 人脸识别部分企业融资情况 公司 最新融资时间 金额 深醒科技 2017 年 1 月 亿元级别 A 轮融资 商汤科技 2016 年 12 月 1.2 亿美元 B 轮融资 Face+ 2016 年 12 月 超 1 亿美元的 C 轮融资 云从科技 2016 年 12 月 A 轮融资，具体金额未披露 飞搜科技 2016 年 7 月 1000 万人民币天使融资 证券 研究 报告 请务必阅读正文后免责条款部分 7 依图科技 2016 年 6 月 数千万美元 B 轮融资 一登 科技 2016 年 4 月 2000 万元 A 轮融资 资料来源： IT 桔子、 国海证券研究所 同时伴随一批明星企业的迅速崛起及国内 对人脸识别 领域的大力投入， 国内人脸识别技术专利数量也不断攀升， 从每年 新 增 数 量来看， 2007 年新增专利 尚 不足百例， 2015 年迎来了爆发， 至 2015 年全年新增专利已达到 1398 例，在全球处于领先地位。从目前累计专利数量来看，我国人脸识别公开专利已达 4000多例，明显多于其他国家和地区 。技术实力的显著增强也为国内市场打开，商业化产品的迅速普及打下了坚实的基础。 图 3： 2007-2015 年人脸识别 新增 专利主要国家分布 图 4： 人脸识别专利总量主要国家分布 资料来源： 人脸识别技术发展现状及趋势分析 、 国海证券研究所 资料来源： 人脸识别技术发展现状及趋势分析 、 国海证券研究所 02004006008001000120014002007 2008 2009 2010 2011 2012 2013 2014 2015中国 美国 日本 韩国 国际专利 欧洲 050010001500200025003000350040004500中国 美国 日本 韩国 国际专利 欧洲专利 证券 研究 报告 请务必阅读正文后免责条款部分 8 2、 CNN 算法 解决识别精度 ， 人脸 识别优势明显 2.1、 发展历史悠久 ， CNN 算法助力 识别率 大幅提升 人脸识别 最初在 20 世纪 60 年代 已经有研究人员开始研究 ， 真正进入初级的应用阶段是在 90 年 代 后期， 发展至今其技术成熟度已经达到较高的程度 。 整个发展过程可以分为机械识别、半自动化识别、非接触式识别、及互联网应用阶段。 图 5： 人脸识别发展阶段 资料来源：国海证券研究所 人脸识别 算法流程 主要分为人脸检测，人脸特征提取和人脸匹配 三个过程： 1、人脸检测：监测图像中是否有人脸存在。 如果 存在 ，给出人脸的位置、大小等状态信息。 而在可见光下 人脸检测容易 受到 光照等因素的影响 。 为了解决光照问题，行业内 部分企业采 用 主动近红外设备 获取人脸图像 信息，用于后续人脸识别。 2、 人脸 特征 提取： 提取图像中关键人脸 特征 信息， 用于 映射到机器空间进行判断。 人脸特征通常包括几何特征，代数特征等。几何特征以人脸器官形状及几何关系为基础，包括眼睛、嘴巴等器官的位置及相对位置等信息。代数特征指通过一定变换，将人脸图像信息投影在降维子空间，以少量的代数信息表征整个人脸信息。 3、人脸匹配 ： 将待识别的人脸与已知人脸进行匹配 ，得出相似程度的相关信息。人脸识别又分为两类：一类是确认， 通过 一对一 的 图像 比对来确认识别人脸是不是目标人脸 。另一类是 辨认，通过 一对多 图像比对 ， 确定输入人脸是谁。 人脸辨认相比 人脸确认要复杂，涉及到大批量数据的比对 ，对 人脸表征方式和匹配策略具有较高要求 。 证券 研究 报告 请务必阅读正文后免责条款部分 9 自 2014 年以来， 人脸识别算法 取得了较大 突破。 卷积神经网络算法（ CNN）在人脸识别领域得到了广泛应用 ，通过 CNN 算法可以更加有效的提取人脸特征信息进行 识别，因此 人脸识别精度 得到 大幅提升 。 在 2014 年之前，学术界在 FDDB 人脸数据集上取得的最好检测精度是在 100 个误检时达到 84%的检测率。 2015年之后众多基于 CNN算法 的人脸检测器在相同条件下均取得了 90%以上的检测率 ， 目前人脸识别系统最高的正确率可以达到 99%以上，而人眼在同等条件下识别的正确率仅为 97.52%，人脸识别精度已经超越人眼。 同时 基于 CNN 算法，众多研究人员通过优化，设计出了更适合商用的算法，从而解决了人脸识别产品的识别精度问题，为人脸识别在多领域的大规模应用打下了良好的基础。 此外单张人脸图像的三维人脸重建及 低分辨率人脸图像的重建和识别技术 均 取得了一定的进展。 图 6： 人脸识别 算法 流程 资料来源：国海证券研究所 2.2、 2D 人脸识别为主， 3D 人脸识别还未成熟 从人脸识别的技术路线来讲， 目前人脸识别技术主要分为 2D 人脸识别和 3D 人脸识别。 伴随 2D 人脸识别的逐渐成熟，其优势及劣势日益明显 ， 3D 人脸识别的研究也逐渐深入。 2D 人脸识别是基于图像的识别方法， 主要优势在于检测 数据获取方式便捷 ，照片等 均可做为人脸对比库。同时目前算法相对成熟，在无遮挡等理想条件下的识别率接近 100%。但是由于 3D 人脸在 2D 维度的投影，使得部分有效信息缺失 ，因此在 遮挡、角度旋转等 场景下识别率不够理想。 3D 人脸识别方法是基于人脸 3D 立体模型进行识别， 充分利用立体空间信息， 有效解决 2D 识别 的遮挡以及角度旋转等识别难点， 识别精度较高 。 比如 3D 技术在双胞胎识别准确率上大幅领先与 2D 技术。 但是 其 问题在于数据采集相对困难， 采集数据量十分巨大，对计算机 计算 存储能力要求较高， 当前可商业化的算法还不成熟。 因此， 2D 人脸识别目前仍是主流应用技术方向，后续伴随芯片技术及算法的突破， 3D 人脸识别技术有望兴起。 表 3： 2D、 3D 人脸识别对比实验结果 对比项 3D 人脸 识别 2D 人脸 识别 FAR/FRR 实验 FAR（错误接受率） 0.0047% 0.12% 证券 研究 报告 请务必阅读正文后免责条款部分 10 说明 ：错误接受率越低，识别安全性越高 FRR（错误拒绝率） 0.103% 9.79% 说明 ：错误 拒绝 率越低， 使用 越方便 环境 适应性实验 姿态变化 100%识别率 23%识别率 头发遮挡 87%识别率 50%识别率 头部遮挡 95%识别率 低于 5%成功率 资料来源： 中关村在线、 国海证券研究所 2.3、 生物识别技术中 人脸识别 优势明显 相比指纹识别、虹膜识别、 DNA 识别等传统的生物识别方式，人脸识别 优势明显 。 主要集中在以下几点： 1、非接触 性：人脸识别可以 不接触人体，直接 通过摄像头在一定距离内识别人的面部特征， 达到辨别的目的。 从而可以实现更大范围，更多方位的信息采集。 2、非侵扰 性： 人脸识别的非接触性也为被采集者带来了非侵扰性的体验。一方面对人脸的采集 无需被采集者配合 也无需 工作人员干预 。另一方面 人脸属于暴露在外的生物特征，对人脸的识别采集 更容易被大众接受。 3.硬件基础 完善：人脸识别对硬件的需求主要体现在摄像头上，当前普及的智能手机均带有高像素的摄像头，同时伴随国内视频监控体系建立的逐渐完善，城市中高清晰度摄像头的密度逐渐增加，因此相比需要 特定采集芯片的指纹识别等识别方式， 人脸识别的硬件基础优势明显。 4.采集快捷简便， 可扩展性好 ：对基础设施的低要求及非接触的采集方式很明显缩短了信 息采集时间，提供了方便的采集方式。同时也为人脸识别后台系统的拓展性带来了明显优势，基于现有的视频监控体系，可以再后台系统加入出入控制，人脸搜索等多种丰富功能。 基于以上优势，在 人脸识别 精度问题得到解决后， 我们预计人脸识别有望迅速替代指纹识别成为被社会大规模使用的主流模式识别技术。 表 4： 模式识别对比 人脸识别 语音识别 指纹识别 虹膜识别 硬件需求 高像素摄像头 麦克风 特定的识别识别芯片及设备 红外与夜视特定摄像头 识别 时间 短 一般 一般 短 识别精度 98%-99% 约 95% 约 99% 超 99% 安全性 人脸不可复制 声音容易模仿 指纹可被模刻 虹膜具有唯一性 应用范围 安防、教育、金融等多领域 较多应用于交互式 主要用于手机支付、门禁考勤等领域 可用于门禁考勤、金融、医疗等领域 资料来源：国海证券研究所