根据统计,2007 年至 2013 年六年期间,生物识别技术的全球市场规模年均增速为 21.7%,这在全球大部分行业增长率不到 5%的对比下实属罕见。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(Local Binary Pattern,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
文章转载、引用说明:
智研咨询推崇信息资源共享,欢迎各大媒体和行研机构转载引用。但请遵守如下规则:
1.可全文转载,但不得恶意镜像。转载需注明来源(智研咨询)。
2.转载文章内容时不得进行删减或修改。图表和数据可以引用,但不能去除水印和数据来源。
如有违反以上规则,我们将保留追究法律责任的权力。
版权提示:
智研咨询倡导尊重与保护知识产权,对有明确来源的内容注明出处。如发现本站文章存在版权、稿酬或其它问题,烦请联系我们,我们将及时与您沟通处理。联系方式:gaojian@chyxx.com、010-60343812。