2019人脸识别核心技术与应用场景深耕企业分析报告.doc

2019人脸识别 核心技 术不应用场景深耕企业分析报告 2019.02.26 目录 1、 人脸 识 别 ， 生 物 识 别 的 翘 楚 .4 基于 肤 色 模 型 的 检测 .5 2、 应用 广 泛 ， “ 刷 脸 ” 时 代到 来 . 6 2.1、 供 给 ： 三 大 因 素 推动 人脸 识 别 落 地 应 用 . 6 2.1.2 、技术端：人脸识别算法精确度提高 +专利投入 +人才储备共同对人脸识别产业形成技术面支撑 6 2.1.3.、 政 策 端： 政 策 利 好 频现 ， 刺 激 人 脸 识 别 技 术 落地 . 8 2.1.4.、 资 金 端： 中 国 对 人 脸识 别 初 创 公 司 的 资 金 支 持突 破 十 亿 美元 . 9 2.2、 需 求 ： 金 融 、 安 防市 场需 求 旺 盛 ， 我 国 有 望 成 为全 球 最 大 人 脸 识 别 市场 . 10 2.2.2.、 安 防 视频 监 控 市 场 大， 人 脸 识 别 应 用 广 阔 . 10 2.2.3.、 金 融 人脸 识 别 衍 生 市场 需 求 大 ， 市 场 规 模 持 续渗透 . 13 3、 上中 游 技 术 是 关 键 竞 争 力 ，下 游 关 键 在 于 应 用 场 景 深耕 . 15 3.1 、 上 中 游 技 术 是 产 业核 心驱动 . 16 3.1.1 、 上 游 芯 片 领 域 亟 待 突破 ， 与 算 法 、 数 据 集 共 同解 决 算 力 问题 . 16 3.1.2 、中 游 3D 人 脸 识别 技术 成 未 来 发 展 趋 势 ， 但 仍需 进 行 技 术 性 突破 . 19 3.1.3 、 上 中 游 技 术 突 破 是 关键 要 素 . 21 3.2 、 下 游 场 景 应 用 是 决定 未来 人 脸 识 别 行 业 竞 争 格 局的 关 键 因 素 . 22 3.2.1 、 下 游 市 场 ： 云 从 科 技是 人 脸 识 别 银 行 领 域 第 一供 应 商 ， 海 康 威 视 为 安 防领 域 龙头 . 22 3.2.2 、 下 游 场 景 应 用 是 决 定竞 争 格 局 的 关 键 因 素 . 23 4、 从人 脸 识 别 设 备 商 领 头 羊 云 从 科 技 验 证 人 脸 识 别企 业 优 质 因素 . 25 5、 人脸 识 别 企 业 推 荐 . 27 5.1、 佳 都 科 技 （ 600728.SH） . 27 5.2、 大 华 股 份 （ 002236.SZ） . 27 5.3、 川 大 智 胜 （ 002253.SZ） . 27 5.4、 像 素 数 据 （ 832682.OC） . 28 6.风 险 提示 . 28 图表目录 图表 1 人 脸 识 别 与 其 它生 物识 别 技 术 相 比 具 备 特 有 优势 .4 图表 2 预 测 2015-2020 年 间人 脸 识 别 在 生 物 识 别 份 额上 增 长 166.6% . 4 图表 3 人 脸 识 别 技 术 流程 分为 从 图 像 采 集 到 人 脸 识 别的 四 个 部 分 .5 图表 4 人 脸 图 像 的 采 集与 预处 理 途 径 多样 .5 图表 5 人 脸 检 测 的 主 流方 法为 基 于 统 计 理 论 方 法 的 检测 .5 图表 6 人 脸 特 征 提 取 的主 流方 法 为 基 于 代 数 特 征 的 提取 方 法 .6 图表 7 人 脸 识 别 分 一 对一 筛选 和 一 对 多 筛 选 .6 图表 8 人 脸 识 别 算 法 准确 率平 均达 到 99.69% . 7 图表 9 中 国 在 人 脸 识 别领 域 TOP1000 的 学 者 分 布上 位列 世 界 第 三 .7 图表 10 我 国 人 脸 识 别 领 域 研究 学 者 队 伍 壮 大 .7 图表 112007-2017 年 ，我 国人 脸 识 别 专 利 公 开 数 量 总体 上 呈 上 升 趋 势 .8 图表 12 人 脸 识 别 政 策 利 好 频现 .9 图表 13 政 府 对 人 脸 识 别 初 创公 司 的 资 金 支 持 已 达 亿 级以上 .9 图表 14 中 国 在 人 工 智 能 初 创公 司 的 资 金 支 持 方 面 已 超过 美 国 . 10 图表 15 中 国 仅在 2017 年 在人 脸 识 别 上 投 入 16.4 亿 美元 . 10 图表 162018 年 我 国 人 脸 识 别技 术 主 要 应 用 在 安 防 领 域和 金 融 两 大 B 端 领域 . 10 图表 172017 年 我 国 安 防 行 业总 产值 达 6200 亿 . 11 图表 18 视 频 监 控 构 建 安 防 系统 的 核心 . 11 图表 19 人 脸 识 别 技 术 在 机 场应 用 情况 . 11 图表 20 2018 年 前 8 个月 的客 运量 为 40691.71 万人 次， 比 上 年 同 期增 长 12.1% .12 图表 212016 年 中 国 公 安 系 统视 频 监 控 摄 像头 达 2000 万个 . 13 图表 22 城 市 人 均 摄 像 头 覆 盖率 差 异 巨 大 . 13 图表 23 人 脸 识 别 在 金 融 领 域应 用 情况 . 13 图表 24 银 行 部 署 人 脸 识 别 相关 衍 生 市 场 规 模 达 亿 级 以上 . 14 图表 25 预 计 到 2022 年人 脸识 别 在 金 融 领 域 的 市 场 规模 达 到 14.68 亿元 . 14 图表 26 预 计 到 2021 年中 国人 脸 识 别 市 场 规 模 将 突 破 50 亿 元 ， 达 到 53.16 亿元 . 15 图表 27 人 脸 识 别 产 业 链 包 括上 游 基 础 层 、 中 游 技 术 层、 下 游 应 用层 . 16 图表 28 我 国 人 脸 识 别 产 业 上游 芯 片 在 成 本 和 性 能 上 制约 人 脸 识 别 产 业 发 展 . 17 图表 29 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 . 17 图表 30 FRVT 比 赛 中 中 国 企业 包 揽 前 五 ， 识 别 率 均 在 99%以上 . 18 图表 31 3D 人 脸识 别 技 术 与 2D 人 脸 识 别 技 术 相比 具有 不 可 比 拟 的 优势 . 19 图表 32 3D 人 脸识 别 技 术 将成 未 来 趋 势 . 19 图表 33 3D 人 脸识 别 未 来 将 打 开 B 端 市 场 . 20 图表 34 目 前 主 流 应 用 的 3D 结 构 光 技 术 以 及 尚 未普 及的 TOF 技术仍 有 技 术难 关 . 20 图表 35 国 内 厂 商 基 本 缺 席 人脸 识 别 上 游 芯 片 领 域 ， 中游 格 局 尚 未 明 朗 . 21 图表 36 人 脸 识 别 产 经 历 初 期的 机 器 识 别 和 如 今 的 互 联网 应 用 阶 段 . 21 图表 37 人 脸 识 别 技 术 推 动 产业 发 展 . 22 图表 38 众 多 厂 商 布 局 厂 商 人脸 识 别 下 游 场 景 应 用 领 域 . 22 图表 39 海 康 威 视 为 安 防 领 域绝 对 的 龙 头 （ 以 2017 年 中国 安 防 市 场 营 收 规 模 占 比来 看 ） . 24 图表 40 海 康 威视 2017 年 营 收 达 419.05 亿 元 ， 为安 防领 域 最 大 赢家 . 24 图表 41 海 康 威 视 人 脸 识 别 系统 抓 拍 界 面 . 25 图表 42 云 从 科 技 是 全 球 人 脸识 别 设 备 市 场 领 头 羊 . 26 3 【人脸识别，生物识别的翘楚】 人脸识别以其非侵扰性、便捷性、友好性、非接触性、可扩展性等优点成为生物生物识别的翘楚。 4 【应用广泛，刷脸时代到来】 从供给角度看，三大因素推动人脸识别落地应用。中国人脸识别算法精确率居全球领先水平、人脸识别相关专利的逐年递增以及人脸识别相关的人才储备居 世界第三对人脸识别产业形成技术 面支撑；从 2015 年支持银行业的远程开户到 2017 年 12 月明确提出到 “ 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%” 对人脸识别产业形成政策支撑；中国对人脸识别初创公司的资金支持突破十亿美元形成资金面支撑。 从需求角度看，人脸识别主要应用领域金融和安防对人脸识别需求广阔，我国有望成为全球最大人脸识别市场。2018 年我国人脸识别技术 72%应用在安防领 域， 20%应用在金融领域，未来两大市场对人脸识别技术需求旺盛。我国人脸识别市场规模将在 2021 年达到 53.16 亿元，成全球最大的人脸识别市场。 5 【上中游技术是关键竞争力，下游关键在亍应用场景深耕】 上游芯片和中游技术是短期产业核心驱动，技术是投资上游芯片及中游的关键考量要素。影响人脸识别产业链上游发展的三大要素是芯片、算法和数据集， 目前上游芯片领域亟待突破，数据集需扩大以加强算法在实际的正确率；中游 3D 人脸识别技术成未来发展趋势，但仍有成本难关和技术难关；我国基本缺席上游芯片的开发，部分在中游有所布局；目前产业仍处于方兴未艾阶段，新技术驱动行业螺旋上升发展，因此技术是上游芯片及中游企业的关键竞争要素 。下游场景应用决定未来人脸识别行业竞争格局，市场能力是关键所在。目前我国下游市场，云从科技占据银行领域的第一供应商位臵，海康威视在安防领域的龙头位臵仍未动摇，以海康威视为例可以看出渠道优势是率先占据细分市场的关键因素。 6 【从人脸识别设备商领头羊 于从科技验证人脸识别企业优质因素】 云从科技是人脸识别设备行业的领头羊，也是一家覆盖产业链上下游的优质人工智能企业， Gen Market Insights 数据显示云从科技在全球人脸识别设备市场占 据 12.88的份额，处于行业领先地位。分析领军企业云从科技， 我们认为作为 覆盖产业链上下游的企业，云从科技在技术及下游场景应用深耕上的优势是企业脱颖而出的关键所在。 7 【投资策略】 考虑技术和渠道两大维度，建议关注佳都科技 （ 600728.SH ） 、大华股份 （ 002236.SZ） 、 川 大 智胜 （ 002253.SZ） 、像素数据（ 832682.O C ） 等人 脸 识 别 相 关企业。 8 【风险提示】 人脸识别尚处于起步阶段，上游有待突破， B 端市场有望国家大力推进，政策落地可能不达预期； C 端市场参与对技术要求较高，行业发展可能不达预期。 1、 人脸识别，生物识别的翘楚 生物识别，是指依靠人体的身体特征来迚行身份验证的识别技术 ，目前较为主流的识别技术有人脸识别、指纹识别、虹膜识别、语音识别等四类。 人脸识别不其它生物识别技术相比，具备特有优势 。指纹识别唯一性比较强，采集成本较低，但是指 纹可由指纹贴、指纹膜等复制，且接触性、侵扰性较强，人脸识别与其相比接触性和侵扰性较低；虹膜识 别最精准，但是采集成本非常高，识别效率较低，接触性、侵扰性也较强，人脸识别与其相比，采集成本 低、识别效率高；语音识别采集成本低， 但语音具有可变性，人脸识别与其相比，识别效率高。 图表 1 人脸识别不其它生物识别技术相比具备特有优势 生物识别 技术 便利性 直观 度 准确性 效率 安全级 别 长期稳 定性 识别设 备成本 普遍 性 可仿 冒度 可能的干扰 指纹识别 较高 中 高 中 中 较高 中 中 中 脏污、油腻、 皮肤磨损等 人脸识别 极高 高 高 高 高 较高 中 高 低 光线、遮挡等 虹膜识别 中 中 极高 中 极高 较高 高 高 低 隐性眼镜等 语音识别 高 中 中 高 较高 中 较低 低 中 噪音、感冒等 人脸 识别在全球生物识别市场份额上有望实现增幅最大，达 166.6%。根据中国报告网发布 2018 年中国生物识别市场分析报告 -行业深度分析与发展前景预测，自 2015 年到 2020 年，指纹识别市场增长 73.3%，语音识别市场增长 100%，虹膜识别市场增长 100%，而人脸识别市场增长 166.6%，在众多生物识别技术中增幅居于首位。 图表 2 预测 2015-2020 年间人脸识别在生物识别份额上增长 166.6% 180.00% 160.00% 140.00% 120.00% 100.00% 80.00% 60.00% 40.00% 20.00% 0.00% 指纹识别 语音识别 人脸识别 虹膜识别 其他 2015-2020年生物识别市场份额增幅 根据人脸识别技术原理具体实施起来的技术流程则主要包含以下四个部分，人脸图像的采集与预处理、人脸检测 、人脸特征提取、人脸识别 （ 含活体鉴别 ） 。 166.60% 140% 100% 100% 73.30% 图表 3 人脸识别技术流程分为从图像采集到人脸识别的四个部分 （ 1）人脸图像的采集不预处理 人脸图像的采集有两种途径，分别是 人脸图像的批量导入和人脸图像的实时采集 ，前者是指将采集好的人脸图像批量导入至人脸识别系统，系统会自动完成个人脸图像的采集工作，后者是指调用摄像机或摄 像头在设备的可拍摄范围内自动实时抓取人脸图像并完成采集工作。 人脸图像的预处理是指 对系统采集到的人脸图像迚行光线、旋转、切割、过滤、降噪、放大缩小等处理来使得该人脸图像符合人脸图像特征提取的标准要求。目前主要有三种 图像预处理手段，即灰度调整、 图像滤波、图像尺寸归一化。其中灰度调整是对地点、设备、光照等造成的图像质量差异进行处理，图像 滤波是对噪声造成的图像质量差异进行降噪处理，图像尺寸归一化是针对图像像素大小不同 进行尺寸处理。 图表 4 人脸图像的采集不预处理途径多样 （ 2）人脸检测 人脸检测是指判断是否存在人脸及定位出人脸的位臵、大小与姿态。 目前的人脸检测方法可分为三类， 分别是基亍肤色模型的检测、基亍边缘特征的检测、基亍统计理论方法的检测 。基于肤色模型的检测是利 用人脸的肤色特征建立肤色模型从而进行检测，其优点是人脸的检测速度较高，对遮挡和光照有一定的鲁 棒性，不足是和其他方法不太兼容，且不易处理复杂背景和多人物同框；基于边缘特征的检测则是利用图像的边缘特征进行人脸检测，优点是计算量相对较小，可实现实时检测， 与其它特征方法可融合，缺点是在复杂背景下误检率比较高；基于统计理论方法的检测则是通过对人脸特征值的循环迭代来检测人脸，其 计算速度快，应用广泛，但是误检率较高。 图表 5 人脸检测的主流方法为基亍统计理论方法的检测 人脸识别技术流程 途径 /方法 特点 人脸检测 基于肤色模型的检测 优点： 检 测速 度 较高 ，对 遮 挡和 光 照有 一 定的 鲁 棒性 缺点：和其他方法不太兼容，不易处理复杂背景和多 个人脸 基于边缘特征的检测 优点：计算量相对较小，实时检测，与其它特征方法可融合 缺 点：在复杂背景下误检率比较高 基于统计理论方法的检测 优点：计算速度快，应用广泛 缺点：误检率较高 人脸识别技术流程 途径 /方法 特点 人脸图像的采集与预处理 人脸图像 采集 人脸图像的批量导入 人脸图像采集好，系统自动导入 人脸图像的实时采集 摄像头自动抓取人脸图像并采集 人脸图像预处理 灰度调整 画质处理 图像滤波 降噪处理 图像尺寸归一化 像素处理 （ 3）人脸特征提取 人脸特征提取即针对人脸上的一些具体特征来提取 。特征提取的方法一般包括基于知识的提取方法和基于代数特征的提取方法。基于知识的提取方法是根据人脸五官结构特征等先验知识来进行提取，其特点 是识别方法比较简单、容易理解，检测速度较快，但是没有形成统一的特征提取标准，对动态人脸图像的鲁棒性较差；基于代数特征的提取方法是基于统计学习的特征提取方法，特点是特征易 抽取，识别精度较 高，应用广泛，但是需要与相应的数据库进行统计训练。 图表 6 人脸特征提取的主流方法为基亍代数特征的提取方法 人脸识别技术流程 途径 /方法 特点 人脸特征提取 基于知识的提取方法 优点：识别方法简单，检测速度较快 缺点：提取标准未统一，对动态人脸图像的鲁棒 性较差 基于代数特征的提取方法 优点：特征易抽取，识别精度高，应用广泛 缺点：需要匹配的数据库进行统计训练 （ 4）人脸识别 人脸识别即精确迚行匹配识别 。这一精确筛选的过程分为两类：一是一对一的筛选，即对人脸身份进 行确认的过程； 二是一对多的筛选，即根据人脸相似程度进行匹配比对的过程。此外人脸识别包含活体鉴 别环节，即区别识别的特征信号是否来自于真正的生物体。 图表 7 人脸识别分一对一筛选和一对多筛选 人脸识别技术流程 途径 /方法 特点 人脸识别（含活体鉴别） 一对一的筛选 对人脸身份进行确认， 一对多的筛选 根据人脸相似程度进行匹配比对， 2、 应用广泛， “ 刷脸 ” 时代到来 2.1、供给：三大因素推动人脸识别落地应用 2.1.1、技术端：人脸识别算法精确度提高 +与利投入 +人才储备共同对人脸识别产业形成技术面支撑 人脸识别算法精确率的提高对人脸识别产业形成技术面支撑 。 2018 年 11 月 16 日，美国国家标准与技术研究院 (NIST)公布了全球权威人脸识别比赛 (FRVT)最新报告，从前十名企业在千分之一的误报率下的识 别准确率来看，其平均能达到 99.69%，在千万分之一误报下的识别准确率超过 99%，意味着机器几乎可 以做到在 1000 万人的规模下准确识别每一个人，而人脑记忆并辨别 100 个人的身份 都很有可能犯错，相 比于去年同期，全球人脸识别性能提升了 80%，且中国企业占据榜单前五位，居世界领先水平，这为人脸 识别的技术落地提供技术面支撑。 图表 8 人脸识别算法准确率平均达到 99.69% 100.00% 99.90% 99.80% 99.70% 99.60% 99.50% 99.40% 2018最新 人 脸识 别 比赛 （ FR VT ） 榜单 前 十名 人脸 识 别算 法 精确 率 （千 分 之一 误 报率下） 从研究学者分布来看，中国占据世界第三的位置，人才储备居优势地位 。 2018 年， AMiner 基于发表于国际期刊会议的学术论文，对人脸识别领域全 TOP1000 的学者进行计算分析，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，可以看出，中国的追赶势头不容忽视。 图表 9 中国在人脸识别领域 TOP1000 的学者分布上位列世界第三 国内自 20 世纪 90 年代真正开始做人脸识别研究，人脸识别相关人才储备较全球水平还有一定差距， 但是发展空间很大， 已形成苏光大、李子青、汤晓鸥、张钹、丁晓青为代表的研究学者队伍 ，后备力量充足。 图表 10 我国人脸识别领域研究学者队伍壮大 学者 主要成就 苏光大 清华大学电子系教授，著有 “ 微机图像处理系统