2021人脸识别行业白皮书.pdf

2021 White Paper of Innovationin Face recognition industry人脸识别行业白皮书智慧芽&罗思咨询1经历：7年专利审查、智慧芽企业专利工程师、专利分析咨询经验，江苏省知识产权骨干人才；助理研究员职称；专利代理人资格。曾任职于专利局湖北审协，现任智慧芽专利咨询专家，负责专利分析、咨询和培训等业务，为多家企业、科研机构、政府单位做过专利分析咨询和培训工作。陈相南知识产权咨询专家电子与通信专业 硕士擅长:专利情报信息化管理咨询 专利分析咨询 专利信息利用。经历：4年专利审查、智慧芽企业专利工程师、专利分析经验，曾在江苏中心担任审查员，从事专利审查和质量检查工作，以及互联网搜索领域专利挖掘项目；现长期承担各类专利分析咨询项目，服务过的客户包括：蚂蚁金服、芯碁微电子、德力凯等。左梦颖高级知识产权咨询师信息系统专业 硕士擅长:专利情报信息化管理咨询 专利侵权分析 人工智能行业专利检索分析。Jing Jing WangWangWINTERWINTER高级咨询师曾在多家大型跨国公司，如博世、大陆、辉门等，担任产品、市场、创新服务等部门的负责人及总经理。是创新管理、市场准入、收购并购、研发本地化调整、流程重组、企业战略规划与执行等领域的专家。同济大学学士（1991年），德国工商管理硕士（1997年），中欧工商管理学院MBA（2004年）谷意达谷意达咨询师在数据分析，行业情报搜集，产业链分析，企业知识产权风险管理领域有多年经验。曾协助各类国际、国内客户，就企业战略规划、市场准入、知识产权管理、品牌管理等方面提供分析与合理建议。英国管理学硕士。智慧芽关于作者罗思咨询2行业概况初探典型企业聚焦技术发展认识应用热点追踪风险识别预警情报成果洞察CONTENTS目录123456 63行业概况初探01人脸识别定义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。生物识别是指通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性来进行个人身份鉴定的技术。计算机通过采集设备获取、识别对象的面部图像，再利用核心的算法对其脸部的五官位置、脸型和角度等特征信息进行计算分析，进而和自身数据库已有的范本进行对比，最后判断出用户真实身份。相比其他生物识别技术，人脸识别具有以下特征：非接触性；非侵扰性；硬件基础完善和采集快捷便利；可拓展性好。主流的生物识别方式有：指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。人脸识别主要包括：图像采集、人脸检测、预处理、人脸特征点提取和人脸匹配/识别等一系列流程。人脸识别技术的识别率：已超越人眼，场景应用相对成熟。一种生物识别技术如何进行人脸识别人脸识别的优势5人脸识别发展史技术发展半机械识别阶段；基本没有实际应用；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；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。产业发展高尔顿（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；初始阶段1960年-1990年萌芽阶段20世纪初突破阶段1991年-1997年飞速发展阶段1998年-2014年商业应用阶段2015年 至今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；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；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Sun Yi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；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。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；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；随着深度学习、大数据和云计算等领域的不断突破，人脸识别也获得高速发展，市场潜力不断释放。6人脸识别市场规模445611151822243038458501020304050607080902010 2011 2012 2013 2014 2015 2016 2017 2018 20192020E2021E2025E全球人脸识别市场规模及预期（亿 美元）101316212537455669851040204060801001202014201520162017201820192020E 2021E 2022E 2023E 2024E中国人脸识别市场规模及预期（亿 人民币）据国际知名市场研究机构Markets and Markets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。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，20202020年全球市场规模已突破3838亿美元；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。7人脸识别行业创新概况伴随着国内政策环境利好、应用市场火热，行业相关专利申请量也迅速赶超美国、日本；现今中国已成为人脸识别领域专利申请最多的国家。中国的相关申请排在全球首位，申请量高达五万余件，占总数的44%左右；而美国和日本的相关专利申请量分列二三位，占比在15%17%左右。从近二十年行业全球专利申请变化趋势来看，在2010年以前日本、美国专利申请较多，而在2010年以后国内开始渐渐发力；2015年以后，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)、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等法律法规，推动了国内人脸识别技术在支付、安防领域的全面应用推广，业内各企业相关技术创新与专利布局也迅速发展，中国专利年申请量与其他地区拉开明显差距。*数据来源：智慧芽专利数据库，2020年12月14日中国5641947%美国2497121%日本2339519%韩国89417%中国台湾18712%WIPO15471%英国14441%EPO13151%法国9121%人脸识别专利全球地域分布占比020004000600080001000012000140001600018000人脸识别专利全球地域分布趋势中国美国日本世界知识产权组织韩国8人脸识别行业创新概况从20152015年开始，相关专利年申请量逐年猛增，行业知识产权布局悄然发力 截止2020年底，人脸识别全行业在全球的专利申请共有十二万余件，结合受理局分布来看，中美日韩为行业内全球商业化程度最高的几个国家。2000年以后，在全球范围内，人脸识别相关专利申请进入发展阶段。从2015年开始，年申请量突破八千件，这宣告着该领域的专利申请正式进入高速发展阶段。此后至今，申请量逐年飞速增长，到了2018年的年申请量已达一万八千余件。行业整体已有一定技术积累，随着人脸识别技术在各场景的深入落地，新的创新方向被更多发掘 一方面，该领域的专利申请已经历过相当一段时间，早期授权的专利中有八千余件已经超过专利保护期限，这反映出人脸识别相关的一些技术较为成熟，例如在普通场景下对于面部的识别精度已经很高。另一方面，目前仍有三万余件相关专利处在审查过程中，反映该领域近期的创新仍然较为活跃。这是由于在近来3D传感等新技术的不断发展下，人脸识别随之产生一些新的技术创新点，并且随着物联网深入落地人类社会生活，人脸识别在各种新场景下的创新方向也被更多地发掘。来源：智慧芽Insights专利分析报告，2020年12月14日发明,112000,88%实用新型,11300,9%外观设计,3801,3%有效,42400,34%失效,41300,33%审中,31600,26%PCT指定期满,7769,6%PCT指定期内,1026,1%全球专利年申请量趋势图全球专利法律状态概况全球专利类型分布9612324367086954070010002000300040005000600070008000900010000200020052010201520209全球专利主要受理局分布概况技术发展技术发展产业布局产业布局商业化程度商业化程度国外巨头公司大多呈现全产业布局的特征，即这些巨头在人脸识别上中下游均有布局。美国人脸识别领域研究起步早，拥有多所世界先进的科研机构与人才，产生多次开拓性的发现，科研成果质量很高。美国社会对人脸识别技术的担忧，远远压倒了对这种技术所带来的益处的乐观预期，人脸识别正在面临越来越多的反对声浪。虽起步略晚，在世界人工智能实力比拼中，中国的计算机视觉与图像已获得了一定的领先优势。作为其中最重要的应用之一，人脸识别在我国各行业遍地开花，近年来更逐步展现出全球领跑的姿态。然而，由于在人工智能的基本算法、芯片、传感器等方面，欧美仍处于领先地位，中国人脸识别技术是否可以弯道超车，仍取决于继续不断深耕行业与应用场景，同时，不断加大基础科学领域的发展。相对于美国起步较晚，但近年来迅速崛起，涌现出一批以中科院等为代表的科研机构。整体科研成果多，世界先进，但相比美国，在科研成果质量上仍有一定上升空间。中国人脸识别的境遇与美国截然相反。科技巨头持续扎堆布局，初创企业发展势头良好，企业数量猛增，政府和产业资本也持续关注人脸识别技术与行业的发展。国内人脸识别创业公司基本缺席上游的芯片和算法开发环节，除了少量在中游有技术突破外，大多数集中于下游场景应用层。对对比比针对人脸识别领域主要研究热点和高频关键词的研究中发现，中美研究主题基本相似，但美国对于研究开展的时间往往早于中国。中国在该领域的累计发文量已超越美国，但就总被引量和篇均被引数据来看，还有一定的差距，缺乏极具原创性和具影响力的论文。国家/地区专利申请量论文发文量中国大陆564197166美国249713521*来源：2018年10月，世界科技研究与发展杂志刊登的基于文献计量的人脸识别技术研究进展与趋势分析*来源：市场研究顾问公司Compass Intelligence，广证恒生人脸识别通用人工智能芯片排名*前十位均被国外企业垄断中美人脸识别行业对比2015年以来，中国持续出台利好政策，推动了人脸识别各领域的应用；与此同时，美国旧金山、纽约州、波士顿等地区抗议活动频发，亚马逊、IBM、微软、谷歌等公司迫于压力，相继宣布暂停或禁止人脸识别产品的销售或暂停投资。国家/地区专利受理量中国大陆55911美国2055210中国人脸识别行业投融资概况随着人脸识别技术变现能力逐步增强，投融资热情高涨；同时，行业竞争也将逐渐加剧。12.447.5718.96124.23187.1565.8579162015905101520050100150200250300350201420152016201720182019中国人脸识别投融资概况*投融资金额（亿 人民币）投融资数量（起）人脸识别技术投资仍然是计算机视觉与图像投资领域的的重点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%。其中2017-2018年行业投融资热情最为高涨2017-2018年人脸识别技术投融资数量较多；平均单笔投融资金额高达近9亿人民币。预计未来随着人脸识别行业在各场景中的应用逐渐成熟，将吸引更多的投资者与企业入局随着互联网、云计算、大数据、人工智能等计算机科学技术的进步，人脸识别行业应用场景更加广阔，带来新的市场投资机会的同时，也加剧了行业市场竞争。*来源：前瞻产业研究院11中国人脸识别行业投融资大事记公司投资方投资金额投资时间旷视科技联想乐基金、联想之星百万元2012.8旷视科技创新工场数百万美元2013.7依图科技真格基金100万美元2014商汤科技IDG千万美元2014.11依图科技红杉中国、高榕资本数百万美元2015旷视科技创新工场、启明创投4700万美元2015.1微模式未公布2500万人民币2015.6商汤科技StarVC未公布2016.4Linkface九鼎集团未公布2016.5依图科技云锋基金数千万美元2016.6飞搜科技未公布1000万人民币2016.7旷视科技鸿海集团、富智康2000万美元2016.11旷视科技建银国际、鸿海集团1亿美元2016.12依图科技高瓴资本、云锋基金、红杉资本、高榕资本、真格基金3.8亿元2017.5商汤科技鼎晖领投、万达投资；赛领资本领投、中金公司、基石资本等4.1亿美元2017.7中联晟世邦恒资本数百元人民币2017.9旷视科技国风投、蚂蚁金服、富士康、阳光保险、中俄投资基金、SK电讯创投4.6亿美金2017.10云从科技顺为资本、元禾原点、普华天勤、张江星河、兴旺投资、佳都新太、杰翱资本5亿人民币2017.11瑞为科技盈峰资本、赛天资本领投亿元以上2017.12商汤科技阿里巴巴（领投）、淡马锡、苏宁6亿美元2018.4商汤科技厚朴基金（领投）、富达投资、老虎基金、银湖投资、保利资本等6.2亿美元2018.5依图科技工银国际、高成资本、浦银国际2亿美元2018.6深醒科技国际嘉和、昆仲资本、经纬中国亿元以上2018.6依图科技兴业国信资管-兴业证券1亿美元2018.7商汤科技软银中国10亿美元2018.9云从科技元和原点创投、渤海基金、联升资本、粤科金融亿元以上2018.10脸家浚源资本、顺风传媒1000万2018.11魔点科技依图科技、鼎聚投资、银盈资本6000万2018.12旷视科技麦格理、中银投资、阿布扎比投资局、工银资管7.5亿美元2019.5肇观电子众筹资本未披露2020.7依图科技润诚产业领航基金3000万美元2020.3云从科技中国互联网投资基金、上海国企改革发展股权投资基金（领投）18亿人民币2020.5 融资金额单笔融资记录不断被刷新，研发的人力成本以及推动技术应用落地最为“烧钱”。其中，商汤科技与旷视科技“吸金”最多。主要投资机构投资机构普遍专业且规模较大，与此同时，近年也出现了一些金融和安防等细分领域的投资方，有利于人脸识别技术深入的商业化应用落地。主要获投企业赛道不同人脸识别只是技术，真正的赛道却是应用领域，目前吸金能力最强的人脸识别“四小龙”，分别是商汤、旷视、依图、云从。融资记录不断刷新，红杉、软银等知名投资机构争相入股，行业独角兽迅速崛起。12人脸识别产业全景图谱随着人脸识别近年来的快速发展，行业已逐步在底层基础支撑、核心技术创新和下游应用之间建立了初步产业链条。上游基础层中游技术层下游应用场景层算法支持数据支持硬件支持AI芯片传感设备FDDBFaceScrubCaltech10k Web FacesYouTube FaceCK+LFWIMDB-WIKIMultiPIEAdienceMegaFaceCACD2000CAS-PEALWebFacePubfig手机娱乐安防金融电子零售医疗卫生出行交通 上游为基础层包括人工智能芯片和传感设备等硬件、以及基础算法和数据集。中游为技术层由人脸识别和数据库对比检验等技术层构成，包括人脸检测、活体检测、人脸识别等等技术。下游为场景应用直接解决具体应用场景的需求，产品的形式可能是应用系统，也可能是软硬件一体的终端产品或服务等。13人脸识别产业链解析上游基础层算法支持算法模型硬件支持人工智能芯片传感设备数据支持数据集人脸识别产业链上游基础层，包括 1）芯片和传感设备等硬件支持，2）算法支持，以及3）数据支持。国内企业目前在硬件、人工智能深度学习层面根基不深。芯片占人脸识别系统成本的一半以上。芯片高端市场基本被国外企业垄断。目前GPU 是人脸识别领域 AI 芯片的主导者。因深度学习算法对算力资源需求高，常见芯片有 GPU、FPGA、ASIC，DSP，各有利弊，适应不同需求和方法。视觉传感器主要有CCD、CMOS，红外传感器等。随着3D人脸识别市场的快速增长，3D识别未来将逐步取代2D识别技术，目前，中国已突破3D人脸识别技术壁垒，产业链正在逐步优化。来自全球各大学、研究所、企业提供的人脸数据库，如：PubFig、Colorferet、LFW、YouTube Faces、IMDB-WIKI、FDDB、Caltech、CASIA-WebFace等；以及香港中文大学汤晓鸥教授实验室CelebA，中科院CAS-PEAL等。目前，基于人工设计的特征和传统机器学习技术的传统方法近来已被使用非常大型的数据集训练的深度神经网络取代。卷积神经网络（CNN）是人脸识别方面最常用的一类深度学习方法。深度学习方法的主要优势是可用大量数据来训练，从而学到对训练数据中出现的变化情况稳健的人脸表征。14人脸识别产业链解析中游技术层目前主流的人脸识别算法有：基于人脸特征点的识别算法；基于整幅人脸图像的识别算法；基于模板的识别算法；利用神经网络进行人脸识别识别的算法等。随着深度学习技术的普及，各大公司的人脸算法效果差距也越来越小。算法精度与准确率：美国国家标准与技术研究院（NIST）的全球人脸识别算法测试（FRVT）中，精度甚至可以达到在千万分之一误报下的识别准确率超过99%。国内企业在人脸识别算法领域具有领先优势，依图、商汤、旷视、大华等在测试结果中领先。然而人脸算法虽然在各种数据集的测试中准确率颇高，但还远没达到在商业应用中的满意程度。各步骤作用：其中人脸检测、人脸预处理、特征提取可统称为人脸视图解析过程，即从视频和图像中检测出人脸，通过图像质量判断，选取合适的人脸图片，提取人脸特征向量，用于后续比对识别；比对识别处理可以分为人脸验证（1：1）和人脸辨识（1：N）两类；活体检测算法用以判断人脸识别处理中的人脸图像，是否采集自真实人体。2D vs 3D 解决方案：人脸识别市场的解决方案主要包括2D识别、3D识别技术。目前2D识别方案占主流，但由于人的脸部并非平坦，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，而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，比2D算法更合理并拥有更高精度，成为未来技术发展趋势之一。技术层技术层中游技术层构成：中游由视频人脸识别、图片人脸识别和数据库对比检验等技术层构成，大体包括人脸检测、人脸预处理、特征提取、比对识别、活体检测五大步骤，是推动下游场景应用拓展的关键所在。15人脸识别下游是具体的场景应用，即应用方案、终端或服务等。人脸识别技术逐渐在智慧城市、公共安全、轨道交通、政府治理及交通等行业落地应用。目前国内人脸识别行业应用的主要场景为：智慧安防与智慧金融，二者市场占比之和超过80%。人脸识别只是技术，真正的赛道却是行业，产品能否达到实际使用要求，真正的核心并不只在于算法本身，还在于对场景的深耕。人脸识别下游场景应用领域，厂商众多。在占据人脸识别市场大部分份额的B端领域，既有做传统安防起家的海康威视，大华股份；也有人脸识别四大独角兽依图科技、旷视科技、商汤科技、云从科技；在目前体量较小的 C 端领域，有腾讯、阿里巴巴等企业布局。智慧安防智慧金融医疗卫生其他出行交通政府手机娱乐电商消费互联网巨头从事人工智能相关研究工业巨头在应用领域已有一定的客户积累创业公司以技术切入，与传统厂商合作中国人脸识别下游企业人脸识别产业链解析下游场景应用层16中国人脸识别产业发展环境技术发展逐步成熟，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。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。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。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%”。利好：人脸识别相关技术发展相对成熟，近年来，在国内鼓励政策及市场需求的双重刺激下，资本大量涌入，市场潜力巨大。困境：技术尚存一定的隐患，不同场景/光线/角度下识别结果的准确性、面对伪装攻击时的分辨能力、以及个人隐私的安全性都是目前有待解决的问题；对于企业而言，相同赛道上各家算法技术的技术差距已经越来越小，硬件厂商与互联网巨头在各自行业领域已深耕多年，对于渠道和客户的控制力强，因此市场竞争越来越激烈。中国人脸识别产业发展环境解析17中国人脸识别产业地域分布北京 504天津126山东 261江苏 626上海 350浙江 424福建 182湖南 3304四川 225重庆 119湖北 231陕西 179河南 166安徽 331广东 2636企业数量1000家企业数量300-1000家企业数量100-300家企业数量100家*来源：企查查、中商产业研究院，2020年10月14日中国人脸识别企业分布中国人脸识别专利申请地理分布*来源：智慧芽Insights专利分析报告，2020年12月14日，该数据仅统计专利量排名TOP10省份中国人脸识别专利申请地理分布广东 15333山东 1557江苏 4994浙江 3579福建 1386安徽 1806湖北 1270四川 2038北京 7810上海 3241全国各地区企业纷纷涌入行业，其中广东、北京、浙江、江苏等地区已形成头部竞争优势，产业基础充足、创新势头强劲。18典型企业聚焦02行业排名美国国家标准与技术研究院（NISTNIST）20202020年1212月公布全球人脸识别算法测试（FRVTFRVT）最新结果中，中国企业成绩优秀AlgorithmDateMugshotMugshotMugshotMugshotVisaVisaMugshotIdentification模式MugshotMugshotWebcamProfileBorderKioskMugshot 12+YRSN=12000000N=1600000N=1600000N=1600000N=1600000N=1600000N=3000000商汤科技sensetime_0042020_08_100.0024(1)0.0015(1)0.0111(2)0.0850(1)0.0046(1)0.1063(2)0.0123(2)格灵深瞳deepglint_0012020_07_230.0050(5)0.0025(5)0.0116(3)0.7914(33)0.0051(2)0.1177(3)0.0236(6)VisionLabsvisionlabs_0092020_08_040.0074(7)0.0030(7)0.0210(7)0.1977(7)0.0061(3)0.1009(1)0.0333(7)NECnec_22018_10_300.0036(4)0.0019(3)0.0160(5)0.9969(125)0.0065(4)0.5352(60)0.0130(3)商汤科技sensetime_0032019_12_020.0024(2)0.0015(2)0.0105(1)0.1953(6)0.0065(4)0.1238(5)0.0112(1)NECnec_32018_10_300.0031(3)0.0021(4)0.0149(4)0.5136(18)0.0067(6)0.5298(59)0.0136(4)大华股份dahua_0032020_11_130.0203(16)0.0087(14)0.0317(13)0.2851(10)0.0093(7)0.1226(4)0.0915(14)Paravisonparavision_0052019_12_110.0065(6)0.0030(6)0.0199(6)0.2335(9)0.0097(8)0.1249(6)0.0336(8)cib_0002020_10_190.0280(29)0.0076(11)0.0332(14)0.9996(157)0.0114(9)0.7842(76)0.0762(12)VisionLabsvisionlabs_0082019_06_180.0194(14)0.0086(12)0.0416(18)0.1799(5)0.0115(10)0.1330(7)0.0821(13)大华股份dahua_0022019_12_020.0218(20)0.0099(16)0.0373(16)0.3540(13)0.0120(11)0.1416(8)0.0962(17)Ever AIeverai_paravision_0042019_06_190.0148(9)0.0064(9)0.0303(12)0.9997(159)0.0143(12)0.5486(64)0.0675(11)芯翌科技XFORWARDAIxforwardai_0002020_07_240.0217(18)0.0099(17)0.0437(22)0.1228(3)0.0151(13)0.1496(9)0.0986(19)讯连科技cyberlink_0022020_07_310.0217(17)0.0094(15)0.0422(21)0.9274(48)0.0179(14)0.1886(16)0.0917(15)微软microsoft_52018_10_290.0356(38)0.0163(34)0.0549(29)0.1599(4)0.0189(15)0.1511(10)0.1430(29)中国科学院深圳先进技术研究siat_12018_06_300.0226(21)0.0109(21)0.3548(163)_0.0194(16)_商汤科技sensetime_0022019_06_040.0154(11)0.0144(29)0.0245(9)0.9806(83)0.0204(17)0.2281(25)0.0138(5)VisionLabsvisionlabs_72018_10_300.0377(42)0.0169(36)0.0701(40)0.3169(11)0.0205(18)0.1702(13)_微软microsoft_62018_10_290.0184(13)0.0086(13)0.0298(11)0.1174(2)0.0212(19)0.1548(11)0.0666(10)Innovatricsinnovatrics_0062020_10_050.0237(23)0.0179(41)0.0808(54)0.6941(25)0.0218(20)0.1767(14)0.0957(16)像素数据pixelall_0042020_07_020.0230(22)0.0109(20)0.0497(24)0.9992(148)0.0227(21)0.9855(93)0.1184(24)Synesissynesis_0052020_09_080.0363(40)0.0170(38)0.0558(30)0.8694(39)0.0233(22)0.1849(15)0.1335(27)Ntechlabntechlab_0072019_06_250.0360(39)0.0175(40)0.0534(28)0.4694(16)0.0240(23)0.2020(20)0.1824(42)微软microsoft_42018_06_260.0369(41)0.0171(39)0.0700(39)_0.0247(24)0.1950(17)0.1594(34)Ntechlabntechlab_0082020_01_060.0218(19)0.0099(18)0.0364(15)0.1998(8)0.0249(25)0.1599(12)0.1718(37)全球人脸识别算法测试（FRVT)FRVT)1 1-N N 测试结果前2525名算法*AlgorithmDateMugshotMugshotMugshotMugshotVisaVisaMugshotInvestigation模式MugshotMugshotWebcamProfileBorderKioskMugshot 12+YRSN=12000000N=1600000 N=1600000 N=1600000 N=1600000 N=1600000 N=3000000VisionLabsvisionlabs_0092020_08_040.0017(5)0.0011(4)0.0083(7)0.0913(4)0.0014(1)0.0707(2)0.0049(4)大华股份dahua_0032020_11_130.0018(7)0.0012(5)0.0072(4)0.2060(13)0.0020(2)0.0725(3)0.0077(11)cib_0002020_10_190.0131(86)0.0015(10)0.0081(5)0.1000(5)0.0021(3)0.0694(1)0.0066(6)VisionLabsvisionlabs_0082019_06_180.0030(20)0.0020(23)0.0136(25)0.1409(7)0.0023(4)0.0806(5)0.0083(13)商汤科技sensetime_0042020_08_100.0012(1)0.0010(1)0.0069(2)0.0725(1)0.0023(5)0.0845(8)0.0034(1)格灵深瞳deepglint_0012020_07_230.0018(6)0.0014(8)0.0070(3)0.1995(12)0.0024(6)0.0728(4)0.0056(5)大华股份dahua_0022019_12_020.0027(12)0.0018(19)0.0115(17)0.3041(19)0.0026(7)0.0837(6)0.0104(14)商汤科技sensetime_0032019_12_020.0012(2)0.0010(2)0.0067(1)0.1499(9)0.0026(7)0.0911(9)0.0040(2)微软microsoft_52018_10_290.0037(31)0.0019(21)0.0109(15)0.1438(8)0.0030(9)0.0987(16)0.0175(30)Synesissynesis_0052020_09_080.0088(65)0.0085(101)0.0127(23)0.7441(72)0.0032(10)0.0923(10)0.0138(21)Ntechlabntechlab_0082020_01_060.0027(13)0.0017(14)0.0096(9)0.1570(11)0.0034(11)0.0837(7)0.0292(52)NECnec_22018_10_300.0013(3)0.0010(3)0.0088(8)0.3628(27)0.0034(12)0.1170(32)0.0049(3)微软microsoft_42018_06_260.0028(15)0.0015(9)0.0120(19)_0.0035(13)0.1093(28)0.0145(22)VisionLabsvisionlabs_72018_10_300.0034(26)0.0018(15)0.0149(32)0.2112(14)0.0036(14)0.0954(13)_Innovatricsinnovatrics_0062020_10_050.0035(29)0.0025(36)0.0134(24)0.5102(37)0.0037(15)0.0938(12)0.0119(19)NECnec_32018_10_300.0016(4)0.0014(7)0.0099(12)0.3523(26)0.0037(15)0.1204(35)0.0075(10)微软microsoft_62018_10_290.0038(33)0.0020(22)0.0114(16)0.1503(10)0.0037(17)0.1004(18)0.0152(24)VisionLabsvisionlabs_62018_10_300.0041(36)0.0018(19)0.0150(33)0.2114(15)0.0038(18)0.0957(14)0.0113(16)微软microsoft_32018_06_200.0028(16)0.0016(12)0.0121(20)_0.0038(19)0.1091(27)0.0150(23)芯翌科技XFORWARDAIxforwardai_0002020_07_240.0029(17)0.0023(28)0.0136(26)0.0888(3)0.0038(19)0.0937(11)0.0078(12)讯连科技cyberlink_0022020_07_310.0035(27)0.0026(38)0.0117(18)0.5770(50)0.0038(21)0.1073(25)0.0111(15)中国科学院深圳先进技术研究siat_12018_06_300.0027(14)0.0018(16)0.3328(191)_0.0043(22)0.0991(17)_Ntechlabntechlab_0072019_06_250.0044(39)0.0027(39)0.0125(21)0.3259(20)0.0044(23)0.1066(23)0.0299(53)帝国理工学院imperial_0002019_08_280.0035(28)0.0024(34)0.0148(31)0.2803(18)0.0044(24)0.0967(15)0.0158(25)Innovatricsinnovatrics_0052019_09_300.0031(21)0.0024(34)0.0141(28)0.4074(31)0.0047(25)0.1087(26)0.0164(28)*来源：美国国家标准与技术研究院（NISTNIST）20202020年1212月商汤科技北京大华股份杭州格灵深瞳北京讯连科技中国台湾芯翌科技上海像素数据广州Microsoft美国Vi