2018人臉識(shí)別行業(yè)產(chǎn)業(yè)鏈分析

    人臉識(shí)別產(chǎn)業(yè)鏈上游為基礎(chǔ)層，包括人工智能芯片、算法技術(shù)和數(shù)據(jù)集；中游由視頻人臉識(shí)別、圖片人臉識(shí)別和數(shù)據(jù)庫(kù)對(duì)比檢驗(yàn)等技術(shù)層構(gòu)成，大體包括人臉檢測(cè)、活體檢測(cè)、人臉識(shí)別、視頻對(duì)象提取與分析等技術(shù)；下游則是具體的場(chǎng)景應(yīng)用，即應(yīng)用方案、消費(fèi)類終端或服務(wù)等。下游以攝像頭為主的硬件采集端和應(yīng)用端采集人臉數(shù)據(jù)，為數(shù)據(jù)集豐富數(shù)據(jù)，對(duì)于基礎(chǔ)層算法的更新迭代形成正反饋。

    攝像頭模組|人臉識(shí)別攝像頭模組|寬動(dòng)態(tài)攝像頭模組

    日前，國(guó)外巨頭公司大多呈現(xiàn)全產(chǎn)業(yè)布局的特征，即上中下游均有布局。國(guó)內(nèi)人臉識(shí)別創(chuàng)業(yè)公司基本缺席上游的芯片和算法開發(fā)環(huán)節(jié)，除了少量在中游有技術(shù)突破外，大多數(shù)集中于下游場(chǎng)景應(yīng)用層，這很大程度上得益于國(guó)內(nèi)龐大的應(yīng)用場(chǎng)景支持。

    在具體的場(chǎng)景應(yīng)用商業(yè)化落地環(huán)節(jié)，以BAT為代表的國(guó)內(nèi)互聯(lián)網(wǎng)巨頭，由于無(wú)法將計(jì)算機(jī)視覺(jué)的某一個(gè)子模塊拿出來(lái)單獨(dú)盈利。因此在應(yīng)用落地上并沒(méi)有明顯的優(yōu)勢(shì)，而是創(chuàng)業(yè)公司突破能力更強(qiáng)。但互聯(lián)網(wǎng)巨頭擁有最大的數(shù)據(jù)源，人臉識(shí)別的后續(xù)發(fā)展動(dòng)力十足。

    人臉識(shí)別產(chǎn)業(yè)鏈上游分析

    人臉識(shí)別產(chǎn)業(yè)鏈上游，即基礎(chǔ)層，影響發(fā)展的三大要素是數(shù)據(jù)量、計(jì)算力和算法模型。2000年后，數(shù)據(jù)量的上漲、計(jì)算力的提升和深度學(xué)習(xí)算法的出現(xiàn)促進(jìn)了計(jì)算機(jī)視覺(jué)行業(yè)的發(fā)展。作為計(jì)算機(jī)視覺(jué)中重要的人臉識(shí)別，以攝像頭為主的采集終端的大規(guī)模普及帶來(lái)了數(shù)據(jù)量的增長(zhǎng)，深度學(xué)習(xí)算法的出現(xiàn)可以實(shí)現(xiàn)精準(zhǔn)的識(shí)別功能。

    此外，云計(jì)算技術(shù)、服務(wù)器和人工智能芯片等相關(guān)硬件性能的提升，對(duì)于處理數(shù)據(jù)的計(jì)算力有很強(qiáng)的助力作用，從而人臉識(shí)別應(yīng)用方案走入人們的生活成為現(xiàn)實(shí)。

    而在算法領(lǐng)域，算法領(lǐng)域，美國(guó)互聯(lián)網(wǎng)巨頭谷歌、FACEBOOK、微軟都推出了深度學(xué)習(xí)算法開源平臺(tái)，在深度學(xué)習(xí)算法方面有著明顯的技術(shù)優(yōu)勢(shì)。

    2016年以來(lái)，以谷歌、微軟為首的巨頭為了搶占市場(chǎng)，將自己研發(fā)的算法技術(shù)進(jìn)行開源，導(dǎo)致很多企業(yè)免去人工智能基礎(chǔ)技術(shù)研發(fā)投入，只需要采用開源算法或經(jīng)過(guò)訓(xùn)練的人工智能芯片，再結(jié)合行業(yè)數(shù)據(jù)進(jìn)行訓(xùn)練，就可開展行業(yè)應(yīng)用落地。與之對(duì)比，百度PaddlePaddle是國(guó)內(nèi)巨頭中唯一開放的深度學(xué)習(xí)算法開源平臺(tái)。

    人臉識(shí)別產(chǎn)業(yè)鏈中游分析

    中游人臉識(shí)別技術(shù)的進(jìn)步，是推動(dòng)下游場(chǎng)景應(yīng)用拓展的關(guān)鍵所在。目前，人臉識(shí)別市場(chǎng)的解決方案主要包括2D識(shí)別、3D識(shí)別技術(shù)。

    市場(chǎng)上主流的識(shí)別方案是采用攝像頭的2D方案，但由于人的臉部并非平坦，因此2D識(shí)別在將3D人臉信息平面化投影的過(guò)程中存在特征信息損失。3D識(shí)別使用三維人臉立體建模方法，可最大程度保留有效信息，因此3D人臉識(shí)別技術(shù)的算法比2D算法更合理并擁有更高精度。

    人臉識(shí)別產(chǎn)業(yè)鏈下游分析

    人臉識(shí)別對(duì)場(chǎng)境要求非常強(qiáng)，產(chǎn)品能否達(dá)到實(shí)際使用要求，核心并不只在于算法本身，還在于對(duì)場(chǎng)景的深耕。算法水平對(duì)于識(shí)別率的有力證明，也僅僅是停留在訓(xùn)練集與測(cè)試集之間，存在于實(shí)驗(yàn)室的“理論數(shù)值”。

    而現(xiàn)實(shí)生活中人臉的獲取過(guò)程有大量不可控因素，光的方向、強(qiáng)度，是否有胡須、發(fā)型的變化，是否有表情都會(huì)影響識(shí)別效果。多種因素疊加后，真實(shí)環(huán)境下測(cè)得的準(zhǔn)確率可能只有75%左右，甚至更低。

    因此，需要針對(duì)場(chǎng)景的不同特點(diǎn)收集大量場(chǎng)景數(shù)據(jù)，不斷調(diào)試參數(shù)、組合算法、方法，甚至使用外圍硬件輔助以提升效果，不斷迭代以實(shí)現(xiàn)產(chǎn)品化。除此之外，還要在工程上滿足計(jì)算量、延遲、可維護(hù)性等需求。(來(lái)源：安防行業(yè)網(wǎng))