人脸识别

国家标准化管理委员会发布的《信息技术安全技术生物特征识别信息的保护要求》(征求意见稿)规定的有关标准，生理特征识别主要有指纹识别、指静脉/掌静脉识别、掌纹识别、手型识别、DNA识别、声纹识别、视网膜识别、虹膜识别、人脸识别等九种。

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸视图采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过，人脸进行身份确认或者身份查找的技术和系统。此外，部分应用场景下还可能涉及质量评价、活体检测等算法模块。

(1)人脸识别系统将采集到的人脸图像进行光线、旋转、切割、过滤、降噪、放大缩小等处理以符合人脸图像特征提取的标准要求。主要的人脸图像预处理手段有灰度调整、图像滤波和图像尺寸归一化，其中灰度调整主要用于调整由地点、设备、光照等方面的差异引起的彩色图像质量的差异；图像滤波主要是调整噪声对人脸图像质量的影响；图像尺寸归一化是调整因图像像素差异而造成的图像尺寸差异

(2)人脸检测指人脸识别系统从输入的图像中检测并提取人脸图像的过程。人脸检测的作用是精准地描绘图像资料中人脸的位置和大小，挑选出有用的图像信息，保证人脸图像的精准采集

(3)人脸特征提取是对人脸进行特征建模的过程。人脸特征的提取方法可归纳为基于知识的提取方法和基于代数特征的提取方法，其中基于知识的提取方法是根据人脸五官结构特征等表像直接提取人脸特征以建立数据库，其特点是识别方法简单、容易理解，系统检测速度较快，但并未形成统一的提取标准；基于代数特征的提取方法经过特定运算规律抽取人脸特征建立数据库，人脸识别精度较高，但需要对相应的数据库进行统计训练

(4)人脸识别将待识别的人脸特征与数据库中人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断并展示最终识别结果

(5)人脸识别系统辨别采集到的人脸图像，是来自于真实的人脸还是含有人脸的照片的过程。实际运用中，人脸识别系统一般需要增加活体鉴别环节，例如要求人转头，眨眼睛等

(1)萌芽阶段20世纪初：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。这时人脸识别产业发展是心理、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。

(2)初始阶段(1960年-1990年)：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。产业发展处于半机械识别阶段；基本没有实际应用

(3)突破阶段(1991年-1997年)：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。产业发展正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。

(4)飞速发展阶段(1998年-2014年)：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SunYi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。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。

(5)商业应用阶段(2015年-至今)：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。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。

在不同的生物特征识别方法中，人脸识别技术有其自身特殊的优势，因而在生物识别中有着重要的地位。

(1)非侵扰性，人脸识别无需干扰人们的正常行为就能较好地达到识别效果，只要在摄像机前自然地停留片刻，用户的身份就会被正确识别。

(2)便捷性，人脸识别采集设备简单，使用快捷。一般来说，常见的摄像头就可以用来进行人脸图像的采集，不需特别复杂的专用设备。图像采集在数秒内即可完成。

(3)友好性，通过人脸识别身份的方法与人类的习惯一致，人和机器都可以使用人脸图片进行识别。

(4)非接触性，人脸图像采集，用户不需要与设备直接接触。另外，可以在比较远的距离进行人脸图像的采集。装配了光学变焦镜头的摄像头，焦距可以提高到10倍以上，使景深范围扩展到50米以外，实现对远景清晰拍照，有效采集远处的人脸图像。

(5)可扩展性，在人脸识别后，通过对识别结果数据进行下一步处理和应用，可以扩展出众多实际应用方案

(6)隐蔽性强，安全领域对于系统隐蔽性有较强要求，人脸识别在这方面比指纹等方式更具优势。

(7)强大的事后追踪能力，系统记录的人脸信息是非常重要且易于利用的线索，更加有利于进行事后追踪应用。

(8)准确度高，相比于人体、步态等其特征，人脸特征具备更强的鉴别性与更低的误报率，所能应用的底库规模上高出许多，目前超大规模(十亿级别)的人脸检索已经可以实用。

(1)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%"；。、

(2)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。

(3)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。

(4)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。

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。

据国际知名市场研究机构MarketsandMarkets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。

人脸识别作为最受关注的生物特征识别技术，国内外有众多科研院所、高等院校、企业等机构开展人脸识别相关技术的研究、开发和应用。截止2020年10月，据企查查数据统计，全国共有10443家企业的名称、产品、品牌、经营范围涵盖“人脸识别”，从成立时间来看，近5年相关企业数量不断剧增，2019年成立了1955家，2020年仅10月前就新增1139家。

(1)安防领域：人脸识别技术广泛应用于重要场合的安防设施中，如APEC会议、世博会、奥运会以及亚运会的等大型活动现场的安防与安检，避免事故发生。随着中国平安城市理念的推进，机场、地铁站、海关、边防口岸等运输枢纽区域亦陆续添置人脸识别应用，如厦门市地铁管理部门明确提出对地铁视频监控系统招标项目的人脸检测、人脸跟踪、人脸比对功能的要求；首都国际机场、上海虹桥机场、广州火车站以及长沙高铁站等人流密集的综合交通枢纽站点已采用人脸识别技术进行安检；新疆、广东等部分省份的边检口岸已采用人脸识别应用防范犯罪分子逃往国外；监狱、看守所等机构采用人脸识别作为门禁，设置逃跑预警功能，防范犯罪分子的越狱。

(2)教育领域：人脸识别技术已广泛应用于校园安全、考生验证以及在校人员的监控等教育领域。在校门出入口、学生宿舍出入口、教学楼等重点区域布置人脸识别摄像机，通过人脸识别技术实时检测和掌握出入人员的身份信息，人脸识别系统一旦发现有嫌疑人员(如被通缉人员、小偷惯犯等)就会立刻自动报警并提示安保人员前往处理。浙江信息工程学院在2014年11月将人脸识别系统用于校园寝室管理，自动录入学生日常出入信息并传到监控终端，管理寝室的工作人员通过人脸识别系统可随时掌握学校寝室入住的情况。浙江师范大学、东北大学等高校也于2015年陆续将人脸识别技术融入智慧校园系统。2016年高考，北京、四川、湖北、广东、辽宁、内蒙古等省份采用了“人脸识别+指纹识别”的生物识别技术确认高考考生身份。

(3)金融领域：人脸识别技术在金融领域的应用较为普遍，静态人脸识别的主要应用场景包括远程在线开户、在线支付认证、柜台身份验证、移动身份验证、自助发卡机远程审核等。动态人脸识别主要应用于银行营业网点的安防监控上，用于排查可疑人员及识别VIP人员。众多银行机构如中国银行、工商银行、建设银行、平安银行、招商银行等已将人脸识别产品引入各个业务环节。

参考资料：

智慧芽：2021人脸识别行业白皮书（69页）.pdf

头豹研究院：2020年中国人脸识别市场报告（22页）.pdf

中国电子技术标准化研究院：2020年人脸识别行业研究报告（56页）.pdf

中国电子技术标准化研究院：人脸识别数据安全标准化研究报告（2021版）（30页）.pdf

人的视觉感知技术：人脸关键点、手部姿态估计、人体深度估计.pdf