中国人脸识别行业现状及发展趋势分析

中国人脸识别行业现状及发展趋势分析

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。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

2021年7月28日，《最高人民法院关于审理使用人脸识别技术处理个人信息相关民事案件适用法律若干问题的规定》正式对外发布。

2021年8月20日，十三届全国人大常委会第三十次会议表决通过《中华人民共和国个人信息保护法》，2021年11月1日起施行。

人脸识别产业链以人脸识别算法作为中间层 ，其上游为器件 、 通用硬件 、基础软件 ，上游提供了人脸识别算法的输入 、训练 、开发和运行环境 ; 下游为设备和产品，最终体现为解决方案，下游是人脸识别算法的产品形态 。

从产业链上游来看，国内厂商 ( 以华为 、 寒武纪为代表 ) 在芯片设计方面有较强实力，在芯片制造方面 ，除去手机等对芯片精密程度要求较高的设备，国内厂商具备制造芯片的能力。但高端芯片的制造工艺以及基本元器件都被国外垄断，成为制约上游厂商发展的瓶颈 。

从人脸识别算法层面来看，国内厂商具备优势 ，但数据隐私问题 、人种 /地域带来的算法性能公平性问题，是国内厂商急需解决的问题 。

产业链下游 ，人脸识别应用越来越广泛 ，甚至出现过度滥用盗取用户隐私的事件。黑客攻击、非活体攻击对人脸识别系统安全性也提出了挑战，用户隐私保护和安全性成为掣肘，急需相关政策法规来规范市场。

随着技术发展和安全性要求的提高，人脸识别技术在行业应用中发生巨大变化，从安全性可靠性要求较低的行业上升到金融社保 、证券 、银行 、互联网金融等安全可靠性要求较高的行业。我国人脸识别技术目前主要运用在公共安防 、门禁考勤 、金融支付三大领域。

区分不同的应用领域来看，其趋势逐渐出现分化。从 2019 年看，安防作为人脸识别最早应用的领域之一，其市场份额占比在 30% 左右。随着雪亮工程 、智慧城市建设的逐步完成，人脸识别在安防领域逐渐从增量市场转变为存量市场 。人脸识别在门禁考勤领域的应用最为成熟，约占行业市场的 42% 左右，随着智慧楼宇 、智慧社区、智慧家居的进一步发展，人脸识别门禁考勤市场也将随之增长。金融作为人脸识别未来重要的应用领域之一，目前约占行业的 20%, 并且市场规模在逐步扩大 。

全球公共卫生环境变化，人脸识别迎来应用新需求。新冠肺炎疫情的爆发并在全世界流行，威胁人类生命安全与健康，引发了一场全球公共卫生危机。相对于指纹、刷卡等接触式身份识别模式，人脸识别等非接触式识别模式更适用于当前受新冠病毒影响的全球公共卫生环境，减少病毒通过接触感染人群。

一方面，人脸识别技术结合红外体温监测技术，获取人员身体健康状况信息，能及时反馈并控制疫情源头;另一方面，监控系统的全面布控，可检测获取重点人员流动信息，帮助政府防控管制措施做到有的放矢。

目前全球公共卫生环境形式依旧严峻，根据智源发布的 《 人脸识别与公共卫生调研报告 》 显示 ，受访者普遍赞同加强人脸识别技术的能力，81.9% 的人同意增强对戴有口罩的人的面部识别。为完善疫情防控体系，进一步阻断传播源，戴口罩人脸识别技术的新需求浮出水面。

计算芯片技术发展，支撑人脸识别大规模应用。人脸识别算法的工业应用和算法性能除了自身模型性能外，依赖于算法运行的硬件芯片环境。以英伟达的 GPU 和英特尔的 CPU 为代表的通用架构芯片作为人脸识别算法训练和推理最常用的计算资源。

同时，为了满足人脸识别应用场景的不断拓展和数据量的急剧增长对算力的强烈需求，基于领域专用架构 ( Domain Specific Architectures, DSA) 理念的行业专用定制芯片凭借着对特定领域的算法优化，可以充分发挥计算资源和算法模型的效能，已经被部分厂商应用于人脸识别算法的训练和推理应用，如海思、依图、寒武纪等企业推出的云端计算芯片，可以逐渐替代 GPU 成为其人脸识别技术应用的主流计算资源。

近年来，信息量的爆炸式增长给数据传输存储及中心计算带来了巨大的压力，边缘计算应运而生。随着 AI 芯片技术的飞速发展，边缘计算设备的算力不断提高，越来越多的计算由边缘侧承担。一方面，边缘计算能有效缓解带宽承载，提高计算传输效率，满足实时响应需求，增强数据安全性;另一方面，模型压缩及加速技术以及适合人脸识别算法运算的专用 AI 芯片不断完善，边缘设备的人脸识别算法精度持续提升，目前基于 AI 芯片的边缘设备应用基本覆盖社区、学校、医院、园区、交通等场景，支撑人脸识别的大规模应用。

云边端协同部署，人脸识别应用迎来新场景新模式。云边端的协同部署模式将人脸识别应用模块分摊到各部分，通过前端边缘计算实现布控报警，边端对人脸特征做聚类分析，云端汇聚有效信息，进行大数据对比分析，开展调度工作。

云边端协同部署方式缓解了云端压力，支持业务分级响应，云边结合人脸识别系统通过对云端和边缘端资源的统一配置 、管理、调度，融合了边缘计算敏捷性和云端大数据全局性的优势，使人脸识别系统在带宽、并发数、 响应速度等维度性能全面提升。

在未来，边缘端设备的视频编码能力和视频特征抽取能力将进一步加强，AI 应用也会将越来越多的计算承载分摊到前端。云端则由人像系统、视频结构化系统、人脸人体聚类分析等服务组成，通过分析、聚类 、归档形成各种主题库，跟各种业务应用打通，满足更多复杂场景下的智能化应用需要。

随着人脸识别技术的持续深入和应用场景的广泛普及，预计2025年，中国计算机视觉人脸识别市场规模将突破千亿级别，市场发展前景可期。想要了解更多人脸识别行业具体详情，可以点击查看中研普华研究报告《2021-2026年中国人脸识别行业深度调研与发展趋势预测研究报告》