人脸识别：昔日王谢堂前燕，飞入寻常百姓家.pdf

1 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 人脸识别 ：昔日王谢 堂前燕 飞入寻常百姓家 人脸识别的三种应用模式： 1:1 身份验证模式本质上是计算机对当前人脸与人像数据库进行快速比对并得出是否匹配的过程，可以简单理解为证明你就是你。 1:N 则是在海量的人像数据库中找出当前用户的人脸数据并进行匹配。 M:N 是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程。 M： N 作为一种动态人脸比对，其使用率非常高，能充分应用于多种场景，例如公共安防，迎宾，机器人应用等。 人脸识别的主要商业应用场景包括安防、门禁、新零售以及人证合一等领域：安防领域，随着智能安防概念的深入逐渐产生前端摄像头与后端处理的智能识别分析需求；智能门禁系统是人脸识别在商业领域中最早的应用载体之一，其中人脸识别门禁系统对于其他生物识别门禁系统的优势在于：自然性、非强制性、非接触性和智能数据输出；智能迎宾系统基于动态捕捉与非配合式人脸识别技术，与门禁联动，并结合后台管理系统可实现快速，准确识别宾客身份，访客邀 约，访客登记，访客数据统计，访客查询等功能；人脸识别也是 AmazonGo 所代表的新零售应用场景的关键技术；此外，人证合一产品将身份证识别与人脸识别技术结合在一起，市场需求旺盛。 人脸识别目前的盈利模式以 to B 为主。 目前来说人脸识别企业的主要盈利模式包括企业级技术服务和软硬件销售。国内以商汤科技、旷视科技为代表的深度学习企业，以 B2B2C 的商业模式，与各行业领军企业合作，共同推进人脸识别在各行业的应用和变现。他们向 B 端输出技术能力，以分成、按 License 收费、按技术使用次数收费等模式，绑定 B 端服务于 C 端客户的业务增长，并借助 B 端的行业资源打开市场。 人脸识别已在多个上市公司核心业务中实现商业化落地。 人脸识别技术已经成功应用到以安防行业为代表的多个行业，并且进入多个上市公司的核心业务和核心产品体系中。不但大幅提升了各个公司原有业务的运营效率，更创造了多个前景广阔的增量市场。以安防行业为例，主要商业模式为三种： 1、为安防厂商提供视频结构化、人脸布控、人脸搜索、车辆识别、人群分析等软硬一体形态提供定制化 GPU、智能摄像头等一体化解决方案，按照处理的监控视频路数收费； 2、将人脸识别功能融入身份识别产品、过关 闸机、柜台产品等，以产品化的形态通过行业渠道销售盈利； 3、与传统安防厂商合作，通过其渠道共同中标平安城市、智慧城市等大型项目，通过项目形式盈利。 投资建议： 我们相信在人工智能上升到国家战略层面的大背景下，人脸识别将大展拳脚。我们从产业一线的调研也充分证明：在安防等重点行业人脸识别正在加速落地，继续重点推荐工大高新、东方网力、北部湾旅、佳都科技、神思电子、汉王科技等。 风险提示： 行业竞争加剧导致的毛利率下降风险，信息泄露导致的隐私风险。 Tabl e_Title 2017 年 04 月 13 日 计算机 Tabl e_BaseInfo 行业动态分析 证券研究报告 投资 评级 领先大市 -A 维持 评级 Tabl e_FirstStock 首选股票 目标价 评级 600701 工大高新 21.00 买入 -A 300367 东方网力 40.00 买入 -A 300479 神思电子 43.00 买入 -A 603869 北部湾旅 40.00 买入 -A 600728 佳都科技 12.00 买入 -A 002362 汉王科技 22.00 买入 -A Tabl e_Chart 行业表现 数据来源 ： Wind 资讯 % 1M 3M 12M 相对收益 0.00 -3.72 5.24 绝对收益 0.00 0.32 11.15 胡又文 分析师 SAC 执业证书编号： S1450511050001 huywessence 021-35082010 吕伟 分析师 SAC 执业证书编号： S1450516080010 lvweiessence 021-35082935 相关报告 数据出境安全评估办法公开征求意见， IDC 厂商和有国际 IT 产业资源禀赋的云计算厂商将明显受益 2017-04-11 计算机行业动态分析 2017-04-09 BAT 三巨头罕见聚首 人工智能成焦点话题 2017-04-04 计算机行业周报（ 3 月 26 日） 2017-03-26 不畏浮云 人脸识别依旧前途远大 2017-03-19 -21%-17%-13%-9%-5%-1%3%7%2016-04 2016-08 2016-12计算机 沪深 300 行业动态分析 /计算机 2 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 1. 人脸识别的 三 种 应用 模式 1.1. 人脸识别 的 1:1 模式 1:1 身份验证 模式 本质上是 计算机 对当前人脸与人像数据库 进行快速 比对 并得出是否 匹配的过程， 可以 简单 理解为证明你就是你。 1:1 作为 一种静态比对， 在泛金融的核身、信息安全领域中 潜在 的 商用价值 巨大 。例如在机场安检 中持卡人样貌与身份证信息匹配的过程 就是典型的 1:1 场景。然而人眼辨别率只达到 95%左右， 并会受到外部环境影响，所以机场安检人员通过换班来保证识别的准确率。 人脸识别技术的出现 解决了人工识别 的弊端， 并能充分应用于 考试考生身份的审核、酒店入住办理，火车站人票合一认证 ，移动端支付 等任何需要实名制 等场景。 图 1： 移动端人脸识别支付 图 2： 火车站人票 合一 认证 数据来源 ： 支付宝官网， 安信证券研究中心 数据来源 ： 互联网公开资料 ， 安信证券研究中心 1.2. 人脸识别的 1:N 模式 1:N 则是在 海量的人像 数据库中找出当前用户的人脸数据并进行匹配 。 1:N 具有动态比对与非配合的特点， 动态对比是指 通过对动态视频流的截取来获得 人脸 数据并进一步比对 的过程，而非配合性是 识别 过程 非强制性 与高效性 的表现，识别 对象 无需到特定位臵便能 完成识别工作。 由于这两个特性使 1:N 身份认证模式 能迅速落地于公共安全管理与 VIP 客户人脸识别 等场景 ， 但 其 难度要远高于静态 1:1，因为机器面临着曝光过度、逆光、侧脸、远距离等挑战。 图 3: VIP 客户人脸识别 图 4： 人脸黑名单数据来源 ： FACE+， 安信证券研究中心 数据来源 ： 互联网公开资料 ， 安信证券研究中心 1.3.人脸识别的 M:N 模式 行业动态分析 /计算机 3 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 M:N 是通过计算机对场景内所有人进行面部识别并与人像 数据库 进行 比对的过程。 M:N 作为一种动态人脸比对，其使用率非常高，能充分应用于多种场景，例如 公共安防，迎宾，机器人应用等。但是 M:N 模式仍存在很大 的弊端，因为 其 必须依靠海量的人脸数据库才能运行，并且 由于识别基数过大， 设备分辨率不足等 因素 ， 使 M:N 模式 会产生很高 的错误率 从而影响识别结果 。 图 5: M:N 人脸识别（动态人脸对比） 图 6:人脸识别在公共安防场景应用 数据来源 ： 格林深瞳， 安信证券研究中心 数据来源 ： 君曼科技 ， 安信证券研究中心 人脸识别技术 的成熟 虽然能 代替 一部分劳动力，但仍不能作为唯一的验证方式 ，其更需要与人工识别相结合从而进行精准判断 。 例如，在受到外部环境干扰下，人脸识别技术会产生错误 数据 ， 这时就需要人工 协助，共同完成识别确认过程；又或者在企业应用中，具有较高机密需求 的场所可以采用人脸识别和刷卡的双重认证来 进一步 确保安全性。 表 1： 人脸识别三种应用模式的对比 人脸识别类型 特点 优势 劣势 1: 1 静态对比 识别精准度高 应用场景丰富 识别速度快 受硬件设施与环境因素影响小 识别过程局限性高 识别方式单一化 数据产量低 1:N 动态对比 识别过程高效性与 非强制性 识别范围较广 识别速度快 应用场景丰富 识别方式多样化 数据产量丰富 受到硬件设施与环境因素影响较大 识别错误率较高 M:N 动态对比 设备自动化程度高 识别范围广 应用场景丰富 使用频率高 识别方式多样化 数据产量丰富，商业落地完善 受到硬件设施与环境因素影响大 识别错误率高 数据来源 ：安信证券研究中心 整理 2. 人脸识别的主要商业应用场景 2.1. 安防 行业 行业动态分析 /计算机 4 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 安防行业应用空间 广阔 。 我国 安防行业 规模由“十一五”末的 2300 亿元增长至 ”十二五“末的 5000 亿元，增速 高达 18%。 国内安防市场增速远高于全球 ，预计 2017 年将达到 6540万元， 其中视频监控作为平安城市建设的重要环节， 将 是人脸识别最具价值的应用场景之一。 图 7： 中国安防行业市场规模（亿元） 图 8： 我国部分城市摄像头渗透率（个 /千人） 数据来源 ： 中安网， 安信证券研究中心 数据来源 ： 中国统计局网， 安信证券研究中心 视频监控智能化迫在眉睫。 随着摄像头数量的急速增加与摄像头网络化进程持续推进， 产生海量 的视频数据 并已远远超出监控者的管理范围 ， 视频监控智能化越来越急迫 。 智能化管理则是将人工智能引入视频监控中，使其具备自动整理与分类的功能 ，将数据结构 化处理，并使处理后的结构性数据能大规模被用于检索，分析与统计中， 最终通过针对性深度挖掘使其成为有意义的情报数据。 图 9： 视频智能化分析的趋势 数据来源 ： 格灵深瞳， 安信证券研究中心 在 深度学习技术推动下， 人脸识别技术可以同时具备识别人物属性和身份的能力。 在 深度学习推动下， 人脸识别可以实现任意脸部遮挡及视角下的实时检测，一次性克服了人脸检测中的几项难题：侧脸、半遮挡、模糊人脸，极大提升了各种现实情况中的人脸检出效果。同时可以识别性别、年龄、表情及多种脸部生理特征，不仅可以准确识别照片中人物的性别和年2773 3240 3883 4300 4860 5678 6540 17% 14% 11% 13% 18% 0%2%4%6%8%10%12%14%16%18%20%010002000300040005000600070002011 2012 2013 2014 2015 2016 2017中国安防行业市场规模（亿元 ） 中国安防行业市场规模（亿元） 增长率 5 2 59 43 24 39 46 20 96 020406080100120我国部分城市摄像头渗透率（个/千人 ） 行业动态分析 /计算机 5 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 龄，也提供表情、颜值（美貌指数）、戴眼镜、化浓妆、涂口红、戴帽子、头发颜色、胡须样式等超过 40 种属性，平均准确率超过 90%，年龄预测平均误差小于 3 岁。 图 10：实现任意脸部遮挡及视角下的实时检测 图 11： 人脸特征识别 数据来源 ： 商汤科技， 安信证券研究中心 数据来源 ： 商汤科技， 安信证券研究中心 视频监控领域 可以实现多个场景人的行为以及车辆识别。 基于深度学习的行人检测算法能够在各 类遮挡的情况下精确找出行人位臵，并能够进一步分析行人姿态和动作， 可应用于交通监控、辅助驾驶、无人驾驶等。可以在行车场景、交通监控场景、卡口场景中检测多种不同角度的车辆，并同时给出车牌号码、汽车品牌、型号、颜色等物理特征 。 图 12： 行人检测 图 13： 车辆检测 数据来源 ： 商汤科技， 安信证券研究中心 数据来源 ： 商汤科技， 安信证券研究中心 随着智能安防概念的深入，不同场景的新需求逐渐产生从而促使摄像设备也向智能化发展。摄像 设备大致分为前端摄像头与后端处理器这两大部分，而这两部分智能化 各有优劣。 表 2：安防领域前端智能化和后台处理智能化的对比 智能化区域 优势 劣势 相匹配的功能 前端智能化 对于数据传输速度要求降低，并节省宽带 节约后台使用率 对于后台设施要求降低 前端存储量有限 容易受到外部环境影响 安全性弱 不利于维护 视频检索功能 视频跟踪功能 视频去重功能 后台处理 智能化 识别精准度提高 安全性强 利于数据采集与整合 利于维护 算法 精准度 及后台硬件设施要求高 受到网速影响大 图像识别与对比功能 信息存储功能 数据来源 ：格林深瞳，安信证券研究中心整理 行业动态分析 /计算机 6 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 摄像头 的智能化改造是另一个 安防领域的 市场机遇。 摄像头的精准度将 影响最终 人脸 识别的准确率， 此 前大量摄像头存在三个致命缺点： 1、 三维变二维时易丢失距离信息 ； 2、 无法完成全视角监控并受到光源影响巨大 ； 3、 无法将深度拍摄与全视角拍摄相结合 。 目前以格灵深瞳为代表的技术公司 正着力研发 三种类型的摄像头去解决这些问题： 1、 Depth Video 其根据 捕食 动物眼睛的视觉重叠原理 ，利用构成结构光的方式生成 Depth Video，然后基于数据去分析人的行为。即使有遮挡的情况，其仍能根据俯视雷达图精准判别每个人的行动轨迹及行为。 图 14： Depth Video 下的效果图 图 15： 人眼摄像机的人脸识别系统 数据来源 ：安信证券研究中心 数据来源 ：安信证券研究中心 2、 光场相机 昆虫的复眼能最大程度的捕捉光源，并传输至神经，快速形成反映 ，同时能完成 360 度无死角观察外界环境，也够能迅速视觉定位，判断近距离的情况。摄像头 根据这一成像原理 利用镜头 或者传感器阵列去接受最大的光场，并将光场分布并计算结果。 3、 人眼摄像 机 人眼相机的原理其实和哺乳动物的眼球工作原理相似，人眼中含有黄斑，其集中了人眼 75%的有效像素，剩下的 25%分布 160 度的时常角上。而人眼相机根据这一特性，通过一个视场角很广但分辨率不足的检测系统与视场角很小但分辨率很高的黄斑系统共同工作并完成拍拍摄任务。 2.2. 门禁 门禁系统又称出入管理控制系统，是对 出入 口通道进行管制的智能化系统。 可以笼统地概括为：对人员出入 权限的管理 即管理什么人、什么时间可以进出哪些门。门禁系统 其最初形态为机械门锁， 但随着情境、场所、级别权限、工作流程的细分与 人流量 增大等外部环境影响下，钥匙管理难度随之升高 。而 电子卡锁（磁卡和射频卡），电子密码锁等形式 的出现在一定程度上提高了人们对出入口通道的管理能力 ，使通道管理 进入了电子 化时代。但是随着这两种电子锁的不断应用，其 本身的优缺点便逐渐显现。 智能门禁系统是人脸识别在商业领域中最早的应用载体之一， 其中人脸识别门禁系统 对于其他生物识别门禁系统的优势在于： 行业动态分析 /计算机 7 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 1、自然性 自然性指通过用 摄像设备 采集 人脸数据 并进行识别 比对的方式，同时包括 语音识别和体形识别，而指纹识别和虹膜识别等则不具备自然性 这一特点 。 2、非强制性 非强制性指在识别过程中 被识别 对象无需主动配合便能完成识别任务，例如，人脸识别是利用可见光获取人脸图像信息而进行比对。 不同于指纹识别或者虹膜识别需要利用电子压力传感器采集指纹，或 利用红外线采集虹膜图像 。并且人脸识别门禁系统更具备安全性与高效性。 3、非接触性 与 其他生物 识别技术相对比，人脸识别是非接触的，用户不需要和设备直接接触，并且能够支持高并发处理 ，同时又 能够满足在实际应用场景下进行多个人脸的分拣、判断及识别。 4、智能数据输出 人脸识别门禁能够对 场景内所有人进行面部数据采集，帮助管理者 建立易于检索、对比突出管理档案以及为改善管理决策提供必要依据。 表 3：不同门禁优缺点对比 门禁系统类型 特点 优势 劣势 机械门锁 无电子器件，全机械密码锁 通过固定钥匙开锁 操作简单 价格 偏低 市场认识度 较 高 故障率低 ，易维修 不易管理 更换繁琐 美观感欠缺 安全性低 无数据使用 电子卡锁（磁卡和射频卡） 通过电控与磁卡开锁 主卡，副卡或密码键盘共同设臵进出权限 布线，施工方便 价格实惠 故障率偏低 ， 易维修 市场 认识 度高 便捷度 低 安全性较低 保安性低 数据使用率低 智能门禁系统 （人脸识别，指纹识别等） 自然性 非接触性 非接触性 智能数据输出 通过生物识别特征开锁 安全性高 便捷度高 识别速度高效 数据使用率高 应用场景丰富 美观 科技含量高 易管理 价格昂贵 故障率偏高 维修成本高 市场认识度低 数据来源 ：安信证券研究中心整理 图 16： 人脸识别门禁 识别 框架 图 17： 人脸识别闸机 识别 框架 数据来源 ： FACE+， 安信证券研究中心 数据来源 ： FACE+， 安信证券研究中心 行业动态分析 /计算机 8 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 2.3. 智能迎宾 企业智能迎宾系统。 智能迎宾系统基于动态捕捉与非配合式人脸识别技术，与门禁联动，并结合后台管理系统可实现快速，准确识别宾客身份，访客邀约，访客登记，访客数据统计，访客查询等功能，使企业办公更智能化。 图 18：企业智能迎宾框架 数据来源 ：旷视科技，安信证券研究中心 展会迎宾 签到 系统 。 展会的签到形式从最初的纸质身份牌发展 至 条形码，磁卡， IC(智能 )卡，手机二维码等 多种 形式 ，然而这些方式只是实现了会议签到无纸化管理，虽然在一定程度上提高了 效率。但仍存在较大 隐患，例如信息安全的丢失，冒名代签等诸多问题。 展会迎宾签到系统同样基于人脸识别技术，组织者只需采集一次参会人员的面部图像（征集或在网上检索） ，并录入系统人像数据库。访客只需经过摄像范围内，摄像设备则能迅捕捉并进行识别，进一步分配 座位 完成签到任务。同时，系统也能与其他设备联动，例如标签打印机，嘉宾人脸查找等 。 图 19： 会议 迎宾 签到 图 20： 展会 迎宾 签到 数据来源 ： 辉瑞制药， 安信证券研究中心 数据来源 ： 亚布力中国企业家论坛， 安信证券研究中心 行业动态分析 /计算机 9 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 2.4. 以 AmazonGo 为代表的新零售 人脸识别技术是 AmazonGo 所代表的新零售应用场景的关键 。 当消费者进入商店，摄像设备首先会对其进行面部识别，并传回至 Amazon 用户人像数据库中进行比对。而商场中每一件商品都配备重力感应器与传感器，通过摄像设备捕捉消费者的行为及手势，并准确识别其拿起的商品信息，同时采集消费者离开货架后的图像共同传送至信息中心。计算机根据比对结果与每一件商品所传输的重力感应信息结合来共同判断消费者是否进行购物，并不会产生延迟。商店中麦克风能根据环境声音来判断消费者位臵，从而协助摄像设备进行人物定位追踪。离店时，扫描器能扫描并记录消费者购买的商品，同时进行二次确认，并在其消费账户完成扣费任务。 图 51： Amazon Go 消费者 人脸识别 确认 框架 图 22： Amazon Go 系统构成框架 数据来源 ： Amazon， 安信证券研究中心 数据来源 ： Amazon 官网， 安信证券研究中心 2.5. 人证合一 人脸识别人证合一产品本质就是将身份证识别与人脸识别技术结合在一起的新应用，其保留了传统线下审核中“机读”证件的部分，同时通过人脸识别技术对持卡人进行现场人脸采集，并与身份证中的图像信息进行交叉比对，完成验证过程。根据系统框架结构的不同，智能身份验证将分为网络对比模式与终端对比模式。同时根据应用场景的不同，设备形态又分为人证对比闸机与认证对比一体机。 表 4： 网络对比模式与终端对比模式 对比模式类型 特点 网络对比模式 前段设备负责人脸捕捉与证件信息读取 对比过程通过云端服务器进行 对比结果通过前端设备显示 需要网络支持，前端设备扩容成本低 终端对比模式 负责整体化的人脸识别认证合一的过程 可单机运行，部署应用更灵活 数据来源 ：安信证券研究中心 整理 行业动态分析 /计算机 10 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 图 23： 人证对比一体机应用场景 图 24： 人证对比一体机应用场景 数据来源 ： 互联网公开资料 ， 安信证券研究中心 数据来源 ： 互联网公开资料 ， 安信证券研究中心 3. 人脸识别 的盈利模式 目前来说人脸识别技术公司主要以 企业级技术服务和软硬件销售为盈利模式。 国内以商汤科技、旷视科技为代表的 深度学习 技术公司 ， 主要 以 B2B2C 的商业模式 与各行业领军企业合作，共同推进 人脸识别 在各行业的应用和变现。 一般这类公司 向 B 端输出技术能力，以分成、按 License 收费、按技术使用次数收费等模式，绑定 B 端服务于 C 端客户的业务增长，从而借助 B 的行业资源 打开 市场。 表 5：人脸识别在各个行业的 典型 盈利模式 行业 人脸识别应用的场景 收费模式 银行业 人脸识别 /文字识别 /活体检测技术 用于银行身份认证 、票据识别 等 场景 按项目收费 互联网金融行业 人证比对远程身份认证服务 按照人证比对服务调用次数计费 移动互联网行业 给各类直播、照片处理、相册 APP 提供 人脸识别、图像识别技术 支持 按年计费 手机行业 为 各类 手机厂商提供 图像处理、人脸识别、图像识别技术 多为按照出货量每台收取技术授权费 机器人行业 为机器人公司 提供多种视觉识别技术 多为按照出货量每台收取技术授权费 安防行业 为安防厂商提供 视频结构化、人脸布控、人脸搜索、车辆识别、人群分析等软硬一体形态提供 产品技术升级服务，竞标智慧城市、平安城市等政府大型项目 多数是按照处理的监控视频路数收费 或者项目收费 通信行业 为运营商 提供人脸识别、文字识别、活体认证、门禁系统、 VIP 识别系统等技术产品 、手机卡实名制认证项目 等 项目制或者运营商代理 ，采取分成收费 数据来源 ：安信证券研究中心 整理 4. 人脸识别已在多家上市公司核心业务中实现商业化落地 2014 年，香港中文大学教授汤晓鸥教授领导的计算机视觉研究组 开 发的 DeepID 深度学习模型，在 LFW (Labeled Faces in the Wild) 数据库上获得了 99.15%的识别率首次超过人类（同等情况下人用肉眼在 LFW 上的识别率为 97.52% ），人脸识别 技术取得重大 突破至今已有三年时间。 2017 年，经过三年的技术红利消化与扩散，人脸识别 已经 成功 应用到以安防行业为 代表的