2017-2022年中国人脸识别行业市场研究及发展前景预测报告
人脸识别
分享:
复制链接

2017-2022年中国人脸识别行业市场研究及发展前景预测报告

发布时间:2016-12-13
¥ 9000 ¥12000
  • 294947
  • 华经产业研究院
  • 400-700-0142 010-80392465
  • kf@huaon.com
  • 下载订购协议 下载PDF目录

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。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。

人脸识别系统的研究始于20世纪60年代,80年代后随着计算机技术和光学成像技术的发展得到提高,而真正进入初级的应用阶段则在90年后期,并且以美国、德国和日本的技术实现为主;人脸识别系统成功的关键在于是否拥有尖端的核心算法,并使识别结果具有实用化的识别率和识别速度;“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,同时需结合中间值处理的理论与实现,是生物特征识别的最新应用,其核心技术的实现,展现了弱人工智能向强人工智能的转化。

传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们熟悉的识别方式,已有30多年的研发历史。但这种方式有着难以克服的缺陷,尤其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。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。但这两种技术还远不成熟,识别效果不尽人意。

迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速,使人脸识别技术逐渐走向实用化。

人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来,它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。

与其它类型的生物识别比较人脸识别特点

类型与其它类型的生物识别比较人脸识别特点
非强制性用户不需要专门配合人脸采集设备,几乎可以在无意识的状态下就可获取人脸图像,这样的取样方式没有“强制性”;
非接触性用户不需要和设备直接接触就能获取人脸图像;
并发性在实际应用场景下可以进行多个人脸的分拣、判断及识别;
视觉特性ldquo;以貌识人”的特性,以及操作简单、结果直观、隐蔽性好等特点。

本研究报告数据主要采用国家统计数据,海关总署,问卷调查数据,商务部采集数据等数据库。其中宏观经济数据主要来自国家统计局,部分行业统计数据主要来自国家统计局及市场调研数据,企业数据主要来自于国统计局规模企业统计数据库及证券交易所等,价格数据主要来自于各类市场监测数据库。

报告目录

第一章人脸识别的基本概况

1.1 人脸识别行业总述

1.1.1 基本概念

1.1.2 技术流程

1.1.3 识别算法

1.1.4 识别数据

1.1.5 配合程度

1.2 人脸识别发展特性

1.2.1 相似性

1.2.2 易变性

第二章人脸识别行业发展环境分析

2.1 国际环境

2.1.1 全球经济形势

2.1.2 市场发展现状

2.1.3 人脸识别解锁

2.1.4 机场入关应用

2.2 政策环境

2.2.1 行业标准制定

2.2.2 系统技术要求

2.2.3 金融远程服务

2.2.4 科技创新规划

2.3 经济环境

2.3.1 经济发展概况

2.3.2 高新技术产业

2.3.3 人工智能发展

2.3.4 “十三五”趋势

2.4 产业环境

2.4.1 产业形势分析

2.4.2 市场发展现状

2.4.3 竞争格局分析

2.4.4 市场面临挑战

第三章2014-2016年中国人脸识别行业发展分析

3.1 中国人脸识别行业发展综述

3.1.1 产业发展历程

3.1.2 人脸识别特点

3.1.3 行业发展优势

3.1.4 市场产品分类

3.2 2014-2016年人脸识别市场发展形势

3.2.1 市场发展规模

3.2.2 市场竞争激烈

3.2.3 技术研发加速

3.2.4 央行政策支持

3.3 2014-2016年人脸识别产业技术分析

3.3.1 技术原理分析

3.3.2 技术发展特点

3.3.3 关键技术分析

3.3.4 技术发展影响

3.4 中国人脸识别行业发展问题

3.4.1 行业发展问题

3.4.2 发展面临瓶颈

3.4.3 隐私保护问题

3.5 中国人脸识别市场应对措施

3.5.1 产业发展建议

3.5.2 市场应对策略

3.5.3 隐私保护对策

第四章2014-2016年中国人脸识别应用领域分析

4.1 2014-2016年人脸识别技术应用现状总况

4.1.1 主要识别产品

4.1.2 主要用途分析

4.1.3 重点应用领域

4.1.4 应用发展现状

4.2 2014-2016年人脸识别技术在金融领域的应用

4.2.1 金融领域应用

4.2.2 助推行业改革

4.2.3 未来发展前景

4.3 2014-2016年人脸识别技术在安检领域的应用

4.3.1 机场安检识别

4.3.2 出入境人脸识别

4.3.3 未来发展前景

4.4 2014-2016年人脸识别技术在高校管理的应用

4.4.1 课堂考勤管理

4.4.2 高校安全管理

4.4.3 防作弊生物技术

4.4.4 考场防作弊监控

4.4.5 高考人脸识别系统

第五章2014-2016年其他生物识别市场发展分析

5.1 指纹识别

5.1.1 指纹识别优势

5.1.2 市场竞争形势

5.1.3 市场发展动态

5.1.4 行业发展瓶颈

5.1.5 未来发展前景

5.2 虹膜识别

5.2.1 识别技术原理

5.2.2 比较优势分析

5.2.3 企业市场竞争

5.2.4 虹膜识别产业链

5.2.5 市场发展前景

5.3 语音识别

5.3.1 全球市场规模

5.3.2 企业竞争形势

5.3.3 产业发展策略

5.3.4 技术发展趋势

5.4 指静脉识别

5.4.1 指静脉识别特点

5.4.2 技术专利分析

5.4.3 技术应用分析

5.4.4 未来发展前景

第六章2014-2016年中国物联网行业发展分析

6.1 2014-2016年中国物联网行业总况

6.1.1 层次架构分析

6.1.2 技术体系分析

6.1.3 技术应用场景

6.1.4 隐私安全分析

6.1.5 市场发展潜力

6.2 物联网产业发展驱动因素分析

6.2.1 政策推动

6.2.2 巨头发展

6.2.3 技术演进

6.3 物联网行业产业链结构分析

6.3.1 产业链结构

6.3.2 产业链的优势

6.3.3 产业生态环境

6.4 2014-2016年中国物联网应用领域分析

6.4.1 车联网

2012-2017 中国车联网市场规模

6.4.2 公共事业

6.4.3 智能家居

2012-2015年中国智能家居行业市场规模

6.4.4 智慧医疗

6.4.5 工业物联网

2010-2019年中国工业物联网整体规模与增长预测

6.5 中国物联网行业发展问题剖析

6.5.1 行业面临挑战

6.5.2 行业安全问题

6.5.3 商业模式问题

6.6 中国物联网行业发展建议分析

6.6.1 行业发展对策

6.6.2 安全措施分析

6.6.3 商业模式战略

第七章2014-2016年人脸识别市场重点企业运营分析

7.1 四川川大智胜软件股份有限公司

7.1.1 企业发展概况

7.1.2 经营效益分析

7.1.3 业务经营分析

7.1.4 人脸识别动态

7.1.5 财务状况分析

7.1.6 未来发展前景

7.2 佳都新太科技股份有限公司

7.2.1 企业发展概况

7.2.2 经营效益分析

7.2.3 业务经营分析

7.2.4 人脸识别动态

7.2.5 财务状况分析

7.2.6 未来发展前景

7.3 科大讯飞股份有限公司

7.3.1 企业发展概况

7.3.2 经营效益分析

7.3.3 业务经营分析

7.3.4 人脸识别动态

7.3.5 财务状况分析

7.3.6 未来发展前景

7.4 汉王科技股份有限公司

7.4.1 企业发展概况

7.4.2 经营效益分析

7.4.3 业务经营分析

7.4.4 人脸识别动态

7.4.5 财务状况分析

7.4.6 未来发展前景

7.5 北京海鑫科金高科技股份有限公司

7.5.1 企业发展概况

7.5.2 经营效益分析

7.5.3 业务经营分析

7.5.4 生物识别动态

7.5.5 财务状况分析

7.5.6 未来发展前景

7.6 北京旷视科技有限公司

7.6.1 企业发展概况

7.6.2 Face++概况

7.6.3 企业融资动态

7.6.4 智能安防应用

7.6.5 助力机器人发展

7.6.6 协同构建智慧城市

第八章中国人脸识别行业发展前景分析

8.1 生物识别市场发展前景

8.1.1 市场规模预测

8.1.2 市场发展潜力

8.1.3 技术发展趋势

8.2 人脸识别市场发展前景

8.2.1 未来发展前景

8.2.2 应用发展方向

8.2.3 市场发展趋势

8.2.4 智慧城市推动

图表目录

图表 2015-2020年全球生物识别技术行业细分市场规模

图表 2015-2019年人脸识别区域市场产值预估

图表 人脸识别应用领域

图表 2015年人脸识别最新相关政策和行业标准

图表 安防视频监控系统的基本结构和功能要求

图表 安全防范食品监控人脸识别系统基本构成

图表 安防视频监控各漏报率对应系统性能级别

图表 监视名单长度及照片质量

图表 2011-2015年国内生产总值及其增长速度

图表 2015年年末人口数及其构成

图表 2011-2015年城镇新增就业人数

图表 2011-2015年全员劳动生产率

图表 2015年居民消费价格月度涨跌幅度

图表 2015年居民消费价格比2014年涨跌幅度

图表 2015年新建商品住宅月同比价格上涨、持平、下降城市个数变化情况

图表 2011-2015年全国一般公共预算收入

图表 2011-2015年年末国家外汇储备

图表 2006-2015年人工智能领域全球投资总额

图表 2010-2014年人工智能领域全球风险投资总额

图表 人工智能各细分行业公司数量(家)

图表 人工智能发展历程

图表 大数据的五大特征

图表 大数据主要技术

图表 大数据挖掘步骤

图表 三种图像类生物识别技术比较

图表 2007-2020年全球生物识别行业市场规模预测

图表 2015-2020年全球生物识别行业细分市场规模

图表 人脸识别过程

图表 人脸识别技术的优势

图表 人脸识别应用领域

图表 机器视觉的应用方向

图表 典型的工业用机器视觉系统

图表 2014-2018年全球机器视觉市场规模预测

如您有个性化需求,请点击 定制服务

研究方法

报告研究基于研究团队收集的大量一手和二手信息,使用桌面研究与定量调查、定性分析相结合的方式,全面客观的剖析当前行业发展的总体市场容量、产业链、竞争格局、进出口、经营特性、盈利能力和商业模式等。科学使用SCP模型、SWOT、PEST、回归分析、SPACE矩阵等研究模型与方法综合分析行业市场环境、产业政策、竞争格局、技术革新、市场风险、行业壁垒、机遇以及挑战等相关因素。根据各行业的发展轨迹及实践经验,对行业未来的发展趋势做出客观预判,助力企业商业决策。

数据来源

本公司数据来源主要是一手资料和二手资料相结合,本司建立了严格的数据清洗、加工和分析的内控体系,分析师采集信息后,严格按照公司评估方法论和信息规范的要求,并结合自身专业经验,对所获取的信息进行整理、筛选,最终通过综合统计、分析测算获得相关产业研究成果。

一手资料来源于我司调研部门对行业内重点企业访谈获取的一手信息数据,采访对象涉及企业CEO、营销总监、高管、技术负责人、行业专家、产业链上下游企业、分销商、代理商、经销商、相关投资机构等。市场调研部分的一手信息来源为需要研究的对象终端消费群体。

二手资料来源主要包括全球范围相关行业新闻、公司年报、非盈利性组织、行业协会、政府机构、海关数据及第三方数据库等,根据具体行业,应用的二手信息来源具有一定的差异。二手信息渠道涉及SEC、公司年报、国家统计局、中国海关、WIND数据库、CEIC数据库、国研网、BvD ORBIS ASIA PACIFIC数据库、皮书数据库及中经专网、国家知识产权局等。

售后服务

华经产业研究院提供完善的售后服务体系,您的反馈均1个工作日内快速回应,及时解决您的需求。

版权提示

华经产业研究院倡导尊重与保护知识产权,对有明确来源的内容均注明出处。若发现本站文章存在内容、版权或其它问题,请联系kf@huaon.com,我们将及时与您沟通处理

权威引用

  • 中国证券网
  • 中金在线网
  • 中国日报网LOGO
  • 央广网
  • 中国经济网
  • 东方财富网
  • 中国新闻网
  • 凤凰网
  • 和讯网
  • 网易新闻
  • 腾讯网
  • 新浪网

典型客户

咨询服务

人工客服
联系方式

咨询热线

400-700-0142
010-80392465
企业微信
微信扫码咨询客服
返回顶部
在线咨询
研究报告
商业计划书
项目可研
定制服务
返回顶部