667彩票

當前位置: 首頁> 新聞中心 > 667彩票

2018年中国人臉識別行业产业链分析

發布時間:2018-07-17
 
人臉識別产业链上游为基础层,包括人工智能芯片、算法技术和数据集;中游由视频人臉識別、图片人臉識別和数据库对比检验等技术层构成,大体包括人脸检测、活体检测、人臉識別、视频对象提取与分析等技术;下游则是具体的场景应用,即应用方案、消费类终端或服务等。下游以摄像头为主的硬件采集端和应用端采集人脸数据,为数据集丰富数据,对于基础层算法的更新迭代形成正反馈。
 
目前,国外巨头公司大多呈现全产业布局的特征,即上中下游均有布局。国内人臉識別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,这很大程度上得益于国内庞大的应用场景支持。在具体的场景应用商业化落地环节,以BAT为代表的国内互联网巨头,由于无法将计算机视觉的某一个子模块拿出来单独盈利。因此在应用落地上并没有明显的优势,而是创业公司突破能力更强。但互联网巨头拥有最大的数据源,人臉識別的后续发展动力十足。
 
人臉識別产业链上游分析
 
人臉識別产业链上游,即基础层,影响发展的三大要素是数据量、计算力和算法模型。2000年后,数据量的上涨、计算力的提升和深度学习算法的出现促进了计算机视觉行业的发展。作为计算机视觉中重要的人臉識別,以摄像头为主的采集终端的大规模普及带来了数据量的增长,深度学习算法的出现可以实现精准的识别功能。此外,云计算技术、服务器和人工智能芯片等相关硬件性能的提升,对于处理数据的计算力有很强的助力作用,从而人臉識別应用方案走入人们的生活成为现实。
 
而在算法領域,算法領域,美國互聯網巨頭谷歌、FACEBOOK、微軟都推出了深度學習算法開源平台,在深度學習算法方面有著明顯的技術優勢。2016年以來,以谷歌、微軟爲首的巨頭爲了搶占市場,將自己研發的算法技術進行開源,導致很多企業免去人工智能基礎技術研發投入,只需要采用開源算法或經過訓練的人工智能芯片,再結合行業數據進行訓練,就可開展行業應用落地。
 
人臉識別产业链中游分析
 
中游人臉識別技术的进步,是推动下游场景应用拓展的关键所在。目前,人臉識別市场的解決方案主要包括2D识别、3D识别技术。市场上主流的识别方案是采用摄像头的2D方案,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人臉識別技术的算法比2D算法更合理并拥有更高精度。
 
人臉識別产业链下游分析
 
人臉識別对场境要求非常强,产品能否达到实际使用要求,核心并不只在于算法本身,还在于对场景的深耕。算法水平对于识别率的有力证明,也仅仅是停留在训练集与测试集之间,存在于实验室的“理论数值”。
 
而現實生活中人臉的獲取過程有大量不可控因素,光的方向、強度,是否有胡須、發型的變化,是否有表情都會影響識別效果。多種因素疊加後,真實環境下測得的准確率可能只有75%左右,甚至更低。
 
因此,需要針對場景的不同特點收集大量場景數據,不斷調試參數、組合算法、方法,甚至使用外圍硬件輔助以提升效果,不斷叠代以實現産品化。除此之外,還要在工程上滿足計算量、延遲、可維護性等需求。
文章來源:前瞻産業研究院

關注微信

掃描二維碼,
關注迅通科技公衆號

 

020-87770041

廣州市越秀區先烈中路80號彙華商貿大廈12層

 

Copyright ? 广东迅通科技股份有限公司. All Rights Reserved. 粵ICP備:16062470號-1號 粵工商備P011806002990 Powered by Vancheer