每个人的身体都将成为物联网的入口（“管中窥豹”人脸识别产业）

人脸识别是利用人的脸部特征实现生物个体区分的一种技术。相对于其他生物识别模式来说，人脸识别具有非接触性、非强制性、可并发性三个特点。

人脸识别的流程主要分为四步：获取图像、图像预处理、人脸特征提取和匹配与识别。其中，对于图像的人脸特征提取和匹配识别两步，需要利用人脸大数据、经验描述子及深度学习训练出的人脸特征模型进行分析。

对于匹配与识别中的1:1验证模式技术较为成熟，采集图像多为主动提供，故应用较为广泛，如：利用线上应用中商业库进行安全登录，利用身份证库进行证券远程开户；利用离线算法进行线下的公共安全对比等应用；对于1：N识别模式多用于视频的实时监控，如人脸跟踪，黑白名单比对等。

在计算机视觉中，人脸识别所能应用的场景最为广泛，所占有的市场份额也最大。据预测，人脸识别领域在2017年全球大概有220亿市场，中国占据其中接近一半的份额，为百亿规模。人脸识别的市场规模主要取决于其所赋能的产业规模及对产业效能提升的效率，故广泛的应用场景以及撬动更多的垂直行业效益是市场的增长点。

在应用方面，安防和金融是技术较成熟，提升效率最明显的两个领域。据统计，安防领域占据整个人脸识别市场近四分之三份额，其次为金融。

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；中游由动态视频人脸识别、静态图像人脸识别和多种模式识别分析组成；下游为具体应用，将人脸识别技术赋能到各个垂直领域、或是应用到智能硬件上或是在此基础之上开发各类互联网应用。

人脸识别的主要应用模式主要有四种，提供SDK、售卖嵌入式设备、提供一站式解决方案及开放API接口。根据应用模式的特点、技术的成熟度不同方案适用的主要领域也不同，收费模式也不尽相同。

绝大部分优质人脸识别公司可以与生产厂商协作提供嵌入式设备或者能对行业提供软硬件一站式解决方案，减少直接提供SDK的轻模式，抓住数据入口。头部人脸识别公司已有多家向平台化发展，将技术应用规范化，泛领域化。

在现阶段，人脸识别的创业公司主要发力安防领域，主要因为市场较大，且提升了较大行业效率；排在第二的是商业领域。人脸识别公司可以为各类商场、零售店提供人流统计，定制化广告推荐等服务。在近期百度也开始布局此领域；第三的金融主要应用1:1识别模式，技术难度较低，市场较为成熟。互联网+ 主要是面向C端的产品开发，旷视科技在早期以此类型业务为主。人脸识别还可应用到各类消费硬件中，如机器人等。此类公司多自主研发核心芯片，产出相关硬件模组，除消费硬件外还应用到其他领域。

国内优质人工智能芯片公司较少，人脸识别公司多以向上合作形式进行业务展开；部分创业公司开始自主研发芯片。部分人脸识别公司会采购数据标识公司所处理的标记数据，进行模型训练。此领域技术含量较低，人脸识别公司向上并购数据公司意愿小。

在安防、金融等领域，已经有上市公司进行人脸识别技术研发布局，现阶段受限于技术能力多与初创公司合作，在长远来看对创业企业威胁较大。在2G、2B类业务的直接购买者先多以尝试心态进行项目部署，项目完成周期较长。但由于价格敏感度不高，优质供应商选择有限，故人脸识别公司议价能力较强。

想要尝试新入行业的企业主要受限于技术研究有一定的周期和壁垒，在短时间内没有成熟资源的团队难以直接进入人脸识别市场进行竞争。互联网巨头在较为早期就已通过自建研究院和投资布局人脸识别领域。其主要配合原有互联网的渠道及在C端的数据进行业务发展。在技术平台化和已经布局的C端业务上对人脸识别创业公司有较大影响。

虽然人脸识别创业公司中已经产生4家独角兽和70多家已获投优质企业，但由于:1.技术应用场景广泛；2. 较成熟的场景如安防、金融等市场极大；3. 创业公司向视频识别、图像识别等泛技术业务拓展；导致现阶段市场集中度较小。同时由于人脸识别技术整体较为成熟，各公司对不同领域的业务拓展十分相似，同质化较为严重。

相较于指纹、虹膜、静脉等生物识别方式由于人脸识别的三大特点有较大不可替代性。而对于步态识别、人形识别、声纹识别等优势相似技术来说数据量最多，技术发展最成熟，在短期内难以被取代。整体生物识别的发展方向为多模认证，在关键性识别应用上互相配合进行交叉验证。

人脸识别项目在2009年就有较多项目成立，在2015年成立数达到高峰，随后下降明显。在B端赋能产业时，易有产业下游向上布局技术的情况出现；在中游已有成熟的CV独角兽。在C端则有BAT拥有强大渠道、数据等资源。留给创业者的窗口期或不超1年。

创业者未来会更偏向对垂直场景的需求满足，巨头的加入会加速市场打开，减少教育市场的成本。技术应用的想象空间还很大，无论在格局还未落定的B端场景，互联网巨头无暇触及的C端应用均有一线生机。