2015 年生物识别技术全球市场规模将达到 130 亿美元，2020 年将达到 250 亿美元，5 年内年均增速约 14%。自 2015 年到 2020 年，各细分行业市场规模增幅分别为：指纹 (73.3%) 、语音 (100%) 、人脸 (166.6%) 、虹膜 (100%) 、其他 (140%) 。众多生物识别技术中人脸识别在增幅上居于首位，预计到 2020 年人脸识别技术市场规模将上升至 24 亿美元。预计在智能终端渗透脸部识别的情况下，市场规模可能大超预期。
全球生物识别行业市场规模（亿美元）
全球生物识别细分行业市场占比
人脸识别主要分为人脸检测和人脸比对两部分。其工作流程为：
1. 图像采集：通过采集传感器(如摄像头)采集人脸图像；
2. 人脸定位及提取：然后对采集到的数据进行处理，去除采集数据中的噪声和环境因素，抽取样本中能够表征个人身份的特征信息；
3. 特征对比：再把这些特征信息与数据库中已有的信息进行对比；
4. 输出结果：最后根据比对的相似程度来判断是否匹配。
人脸识别流程
目前人脸识别市场的解决方案主要包括：2D 识别、3D 识别、热感识别，目前市场上主流的识别方案是采用摄像头的 2D 方案。2D 脸部识别是基于平面图像的识别方法，但由于人的脸部并非平坦，因此 2D 识别在将 3D 人脸信息平面化投影的过程中存在特征信息损失。3D 识别使用三维人脸立体建模方法，可最大程度保留有效信息。因此 3D 人脸识别技术的算法比 2D 算法更合理并拥有更高精度。热传感识别技术使用一个三层的 BP（back-propagation）前馈神经网作为分类器，在使用热感信息的同时使用不会被发型、呼吸等环境因素影响的关键脸部几何信息，如鼻梁角度、脸颊面积等，以增强识别精度。
|
- |
3D |
2D |
|
FRA（错误接收率：系统接受错误对象概率） |
0.047% |
0.120% |
|
FRR（错误拒绝率：系统拒绝真实对象概率） |
0.103% |
9.790% |
|
姿态变化后识别率 |
100.00% |
23.00% |
|
头发遮挡后识别率 |
87.00% |
50.00% |
|
头部遮挡（帽子、头盔）后之别率 |
95.00% |
<5.00% |
|
弱光环境识别率 |
100% |
0.00% |
传统的脸部识别技术主要基于可见光图像的脸部识别，但这种方式有着难以克服的缺陷，近红外脸部识别系统能够彻底解决环境光照影响问题。传统可将识别在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。比如，拍照时遇到侧光时出现的“阴阳脸”现象，就可能无法正确识别。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但目前这两种技术还远不成熟，识别效果不尽人意。基于近红外图像的人脸识别核心技术和系统，在不同光线条件下，能够拍摄不受环境光照变化影响的近红外人脸图像，加上领先的算法，能够取得很高的识别率。
近红外人脸识别包括两部分：主动近红外人脸成像设备和相应的光照无关人脸识别算法。使用强度高于环境光线的主动近红外光源成像，配合相应波段的光学滤片，可以得到环境无关的人脸图像，人脸图像只会随着人与摄像头的距离变化而单调变化。在此图像上采用一些特定的特征提取方式，如：局部二元模式（LocalBinaryPattern，LBP）特征，可以进一步消除图像的单调变化，得到完全光照无关的特征表达。近年来，近红外人脸识别在实际生活中已经有了诸多应用，如：“深圳－香港生物护照自助通关系统”，“澳门－珠海生物护照自助通关系统”，“北京机场T3航站楼自助通关系统”等，均取得了很好的效果。
脸部识别采集示意图
深圳出入境自助通关系统采用近红外脸部识别
微信扫描二维码，关注公众号。
