人脸识别技术公司TOP50

2018-10-04 DBC 德本咨询/拾影

2018人脸识别技术公司排行
排名公司名称优势特点
1商汤科技支持动静态对比及活体检测,主要面向安防、道路监控、身份验证等众多场景
2旷视科技支持动静态人脸识别及活体检测,主要面向楼宇、商超、社区、校园等场景
3云从科技支持动静态人脸识别及活体检测,主要应用于身份认证、动态布控等场景
4海康威视应用于安防、交通、金融、楼宇等多场景
5中科视拓主要应用于考勤、门禁及身份认证等
6汉王科技主要应用于考勤、门禁及身份认证等
7格灵深瞳主要应用于认证比对、监控、门禁等场景
8阿里云打造ET大脑,主要应用于金融、安防、电子商务、智能手机等场景
9腾讯云主要应用于安防、金融领域等场景
10汉柏科技主要应用于安防、门禁、教育等场景
11依图科技主要应用于安防、金融领域等场景
12平安科技主要应用于金融、安防、教育等场景
13云天励飞主要应用于安防、园区、校园、商超等场景
14中科奥森主要应用于安防、金融、楼宇、教育、零售等场景
15百度云支持人脸检测、对比及活体检测,可应用于安防、门禁、支付等场景
16阅面科技应用于教育、零售等场景
17佳都科技致力于智能安防、智能轨道交通建设
18瑞为技术应用于安防、商超、家电、车载智能等场景
19智慧眼支持活体检测,应用于公安、司法、金融、人社领域
20飞搜科技提供目标与场景识别服务,可应用于门禁、金融、美颜、安防等场景
21微模式图像识别
22川大智胜应用于门禁、监控、人证查验以及相机产品
23科大讯飞支持活体检测,应用于考勤、门禁、远程认证等场景
24像素数据应用于身份验证、识别对比、视频监控识别
25安威士应用于考勤门禁系统
26铂亚适用于军民多领域
27脸云科技基于人工智能识别人脸的照片分发平台
28赛为智能应用于无人机、智能机器人以及智慧城市建设
29凯泽科技应用于安防、医疗、教育、布控等场景
30图普科技应用于照片处理、身份认证、门禁、安防、金融等场景
31盛世华安主要应用于安防、社区等场景
32视觉伟业主要应用于智能安防及智慧城市建设
33人人智能主要应用于安防、教育、金融、税务等场景
34银晨科技应用于安防布控及信息采集
35中安未来提供人脸识别、人证识别、人证比对服务
36猎户星空应用于接待、售卖、儿童陪伴等场景
37飞瑞斯科技主要应用于视频分析、零售、智能办公、安防等场景
38泽成科技应用于门禁系统
39骏聿科技支持活体检测技术,应用于公共安全及互联网身份认证等场景
40中德宏泰主要应用于安防、金融、政务等场景
41瑞奥风软件科技主要应用于门禁、考勤、安防场景
42可信科技支持人脸检测、对比、搜索及活体检测
43科葩信息技术应用于金融、园区、办公等场景
44苏慧信息技术主要应用于门禁、人群分析、场馆管理等场景
45远钧科技涵盖军事、工业、民用领域
46帕米科技可应用于迎宾、物业安防、布控、教育等场景
47千搜科技应用于互联网身份认证及智能安防
48威富视界支持活体检测,应用于园区、金融领域等场景
49荆棘鸟科技适用于门禁、考勤、安防等场景
50昊畅达科技支持人脸识别、对比、检测,主应用于安防领域
2018《互联网周刊》&eNet研究院选择排行

世界上没有两张完全一样的面孔,就像世界上没有两片完全相同的叶子一样,基于或多或少的差异性,人类才能在庞大的人类群体中分辨彼此。人脸识别将这一能力赋予计算机,利用其强大的存储和运算能力,并依托大数据和人工智能算法,在计算机“大脑”中存储多人的影像资料特征,根据差异性来辨别眼前的人是“张三”还是“李四”,是兴奋还是疲倦……

鉴于技术的日趋成熟,现阶段的人脸识别技术已经在具体场景落地尝试,如会议人脸签到、人脸识别智能门禁、安防监控人脸识别报警功能,还有最接近大众群体的智能手机人脸解锁功能……人脸识别的应用覆盖了安防、门禁、金融、园区等多领域下的各类不同场景,备受大众和资本的追捧。但在人脸识别技术高歌猛进的背后,还存在一些潜在的隐患理应被重视。

不均衡的产业链

现阶段的人脸识别技术在整个人工智能技术范畴内是占比较重、发展较快的一大领域。根据前瞻产业研究院发布的《人脸识别行业市场前瞻与投资战略规划分析报告》数据显示,2016年,全球人脸识别行业市场规模约为26.53亿美元,其中我国人脸识别行业市场规模约为17.25亿元,占到全球人脸识别行业市场规模的10%左右。根据表层数据显示,我国在这一行业领域的发展势头是较为强劲的,但深挖我国人脸识别产业链,会发现,市场上的企业多集中于下游,即具体的场景应用,而少有企业在中上游发力,这是很危险的。

上游基础层主要包括人工智能芯片、算法技术和数据集。首先,在人工智能芯片的研发上,国内企业略显乏力,缺少像英伟达以及AMD Vision这样的公司,最主要的原因在于国内芯片制造行业起步较晚,而人工智能芯片的设计又要求将算法、计算能力、大规模数据等内容全部整合到一起。面对这样的难度,需要在技术层面进行长期探索,才有望追赶上国际芯片巨头,而这需要足够的耐心以及庞大的资本支持,中小企业没有足够的资本支持,即便有心也是无力,大企业则需要足够的魄力承担背后的风险,亦是艰难。

在算法领域,国内领先的人工智能企业,如商汤科技、BAT都在研究并构建人工神经网络,在深度神经网络、卷积神经网络、循环神经网络的不断搭建、优化过程中,构建更强大的深度学习算法。这些算法的研究成果对于企业而言属于商业机密,秘不外宣是最符合商业竞争法则的方式。但美国的谷歌、Facebook、微软都推出了深度学习算法开源平台,将自己研发的算法技术进行开源,降低了很多企业在人工智能基础技术研发上的投入。与之对比,国内只有百度的PaddlePaddle一个深度学习算法开源平台,在研发力、竞争力上自然会稍逊一筹。

相较之下,在真实数据以及模拟数据的收集上,国内行业巨头与国际人脸识别行业巨头的差距倒不是十分明显。但从整体来看,在人脸识别的产业链上游,国内企业与国际巨头的差距还是十分明显的。

中游是由视频人脸识别、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、活体检测、人脸识别、视频对象提取与分析等技术。虽然处于中游的企业占比不大,但远优于产业链的上游现状。商汤科技、旷视科技、海康威视等一批企业在人脸识别的具体技术层面相继发力,已经取得了较为不俗的成绩。

下游则是国内人脸识别企业最集中的区域,这也取决于国内拥有庞大且复杂的应用场景的支持。如远超各国的移动支付技术和市场给了“刷脸支付”难得的尝试机会;高度集中式的住宅小区对智能安防提出了更高的要求……广泛且复杂的场景领域,让下游得以容下诸多企业。

产业链的不均衡,是目前国内人脸识别行业面临的最大问题,没有基础技术的长足发展,就犹如无根之萍、无源之水,终究不是行业发展的长久之策。

可能存在的缺陷

人脸识别最主要的目的在于身份认证。例如智能手机采用的人脸解锁,其目的在于确认使用者是否是被认可的手机用户;人脸识别智能门禁的目的在于只允许有权限的人进入特定区域……这就要求人脸识别的精度必须保持在一个极高的水准,且不能被技术手段所欺骗。但以现阶段的实际应用效果来看,还不能完全避免错误的发生。

首先在精度方面。关键点定位技术是快速识别一个人的核心技术,用于定位的关键点越多,识别的精准度就越高。以商汤科技为例,采用眼、口、鼻轮廓等人脸21、106、240三个不同数量级的定位点,可支持不同场景的需求,并能够适应大角度侧脸、大表情变化、遮挡、模糊、明暗变化等各种实际环境。但能达到利用240个定位点的研发企业并不多,且现实环境的复杂性会令部分定位点失效,其精度难免受到影响。

在智能手机人脸解锁等简单或主动需求的场景下,现阶段人脸识别的精度已足够完成相应任务,因为用户可选择去除遮挡物,避免干扰,弱光条件下智能手机可以提供屏幕补光功能。而在交通及安防领域,对精度的考验则大大提升,在侧脸、遮挡、模糊、明暗变化等各种复杂环境下,有效的定位点就会大幅缩减,精度自然随之下降。如何让有效定位点更好发挥作用,精度达到更高,是人脸识别企业要深究的问题。

其次在于活体检测技术。指纹识别可以通过指纹模型等手段骗过机器,人脸识别则会受到照片、视频等手段的欺骗,人脸识别不仅要保证人脸的正确性,同时要保证这张脸是不是活体的人脸,因此有了活体检测技术。静态活体检测可以通过检测人脸微表情得出结果,动态活体检测会让用户根据随机给出的指令做出动作,大大降低了人脸“伪造”的可能性,但如果用硅胶、乳胶、3D打印做的立体面具来攻击系统,并不能完全排除识别失误可能性。

再者,市场上多数采用的2D识别技术缺陷明显。人脸是以3D立体的形式存在,2D并不能展现人脸的全貌,且容易受到姿态、光照、表情等因素影响,识别率较差。不过,目前部分人脸识别企业已经开始转向利用3D识别技术,利用三维人脸立体建模方法,最大程度保留人脸有效信息,实现更精准识别。

此外,还有人专门研究了可以破坏人脸识别率的产品。就在今年,多伦多大学教授Parham Aarabi和他的研究生Avishek Bose还开发了一种算法,通过对图像进行“光转换”,能够动态地破坏人脸识别系统,将识别成功率降至 0.5%。

这些缺陷和破坏对人脸识别技术的应用而言,是极具威胁的。如何令人脸识别技术不畏惧这些威胁,是国内企业发展的重要方向。

去除隐患,保证行业的健康发展

在2018世界人工智能大会开幕当天,国家主席习近平致信祝贺大会的召开,并指出:“新一代人工智能正在全球范围内蓬勃兴起,为经济社会发展注入了新动能,正在深刻改变人们的生产生活方式。”而人脸识别技术作为人工智能的一部分,也在改变人们的生产生活方式。但我们理应认清现实,正确认知人脸识别技术存在的缺陷,不盲目乐观。

同时,针对目前所暴露的隐患,众企业需要逐个消除,优化人脸识别行业产业链,打好行业基础,并努力提升识别精度,降低活体检测失误率,整体由2D识别技术向3D识别技术迈进,适应各类复杂环境、复杂场景,在保障国内人脸识别行业高速发展的同时,做到不“生病”、不“畸形”,保持健康的姿态。