人脸识别经典—FaceNet

厦门市美亚柏科信息股份有限公司1 / 8

编者按

近年来，随着深度学习的火热发展，人脸识别技术不断创出新高度，更多方法的发掘及大牛们项目的持续开源，让人脸识别、深度学习甚至是人工智能显得不再神秘，LFW识别率99%已经随处可见，今天美亚柏科技术专家就人脸识别的一些经典算法和资源进行分享，感受大神们的“最强大脑”！

在实际应用中，人脸验证（判断是否是同一人）、人脸识别（这个人是谁）和人脸聚类（寻找类似的人）在自然场景应用仍面临一些困难。为了降低背景和环境等因素带来的干扰，人脸识别一般先经过人脸检测（Face Detection）、人脸对齐（Face Alignment）等预处理，然后将人脸图像映射到欧几里得等空间，空间距离的长度代表了人脸图像的相似性。只要该映射空间生成，人脸识别，验证和聚类等任务就显得不那么复杂。

由于先前的网络和算法在各种测评榜单上不断被”挤下去”，似乎激发不起大伙的兴趣，那么本期我们就一起看看Google大神的匠心之作——FaceNet。

厦门市美亚柏科信息股份有限公司

2 / 8 FaceNet 其实就是一个前言所诉的通用人脸识别系统：采用深度卷积神经网络（CNN ）学习将图像映射到欧式空间。空间距离直接和图片相似度相关：同一个人的不同图像在空间距离很小，不同人的图像在空间中有较大的距离，可以用于人脸验证、识别和聚类。在800万人，2亿多张样本集训练后，FaceNet 在LFW 数据集上测试的准确率达到了99.63%，在YouTube Faces DB 数据集上，准确率为95.12%。

算法

作为经典的深度学习、人脸识别案例，依然采用主流的深度神经网络来提取特征，并采用triplet_loss 来衡量训练过程中样本之间的距离误差。在训练前或者在线学习中不断给神经网络制造“困难”，即一直在寻找与样本最不像的“自己”，同时寻找与自己最像的“他人”。通过随机梯度下降法，不断缩短自身所有样本的差距，同时尽可能拉大与其他人的差距，最终达到一个最优。通过这样一种嵌入学习（Embedding learing ），能对原始的特征提取网络输出层再进一步学习，从而改善特征的表达。

Triplet Loss ：

图1 通过学习后，正样本对距离更近，负样本对距离更远

因此，算法的目标——对样本集里构造的任意三元组，使得类内距离

尽可能小，类间距离尽可能拉大。即优化机器学习里这样的一

个损失函数：

这里，是个阈值，当类内距离与类间距离大于阈值时，才产生loss 和梯度。梯度计算：当与之间的距离小于与之间的距离加时，[]内的值大于零，就会产生损失。

厦门市美亚柏科信息股份有限公司

3 / 8

当与之间的距离大于等于与之间的距离加时，loss 为零。对三元组分别求偏导，则有：

可见，求梯度的结果都是用到了正向传播的变量。因此，计算时只需将正向传播的结果暂存，便可以直接计算反向传播梯度。

模型

对于整个FaceNet 结构，这里的特征提取可以当作一个黑盒子，可以采用各式各样的网络。最早的FaceNet 采用两种深度卷积网络：经典Zeiler&Fergus 架构和Google 的Inception v1。最新的FaceNet 进行了改进，主体模型采用一个极深度网络Inception ResNet -v2，由3个带有残差连接的Inception 模块和1个Inception v4模块组成。

图2 FaceNet 系统框架

如图2所示，模型的整体框架与其他经典深度学习方法基本一致。前面特征提提取部分也是基于CNN 的，只不过深度网络Inception-v4，后面接一个特征归一化层，使得特征的二范式，即将图像特征都映射到一个超球面上，这样可以规避样本的成像环境带来的差异。最后采用triplet_loss

作为损失，加

人脸识别发展趋势及应用领域分析

人脸识别发展趋势及应用领域分析 人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒的生物识别技术，具有极其广阔的市场应用前景。在公安、国防、海关、交通、金融、社保、医疗及其他民用安全控制等行业和部门存在着广泛的需求。 一、人脸识别何以瞬间爆发？ 其实对于整个生物识别领域来说，由于指纹识别应用时间早，价格低廉，而且使用便利，因此早早地便占据了国内的大部分市场，在顶峰时期，甚至可以达到90%左右。但是，又是什么力量，使人脸识别在短短五六年的时间里，就实现了如此迅猛的腾飞呢？ （一）政策因素：抛开技术因素，国家政策的支持可以说是人脸识别崛起的重要因素之一。尤其随着近些年来，平安城市等技术的大力推广，我国安防市场的需求也随之迅速升温，各领域安保的等级也就随之实现明显的提升。甚至在部分地区的部分领域，人脸识别已经开始被列为使用过程中的强制标准。这种情况的出现，对于人脸识别的推广无疑是一种非常有力的推动。因此，虽然政策的角色只是一种诱导的作用，但是这种诱导对于人脸识别的爆发，却又是不可或缺的。 （二）社会需求：在我国，随着城镇化的进程加快，流动人口比例大大增加，面临的突发事件和异常事件越来越复杂。因此这也就给城市的安保工作，以及视频监控带来了更大的压力。传统依靠人工来“盯”的方式难免会因疲劳或精神不集中等原因影响监视效果，难以胜任对庞大数据库的分析与理解，从而影响事后查找证据，更难以满足时代的需求，于是，人们对于具有智能分析的视频监控应用的呼声越来越高。 二、人脸识别发展趋势 （一）与视频监控相结合：随着人脸识别技术的进一步发展，将人脸识别技术将实现与数字监控系统的进一步融合，将成为人脸识别技术的另外一大应用领域。据统计数据显示，仅在中国大陆，在未来三年内有望形成年销售额过百亿，并在未来十年内则有望形成年销售额过千亿的市场规模。（二）逐步取代指纹考勤：人脸识别考勤，通过对人脸一些独一无二的特征识别对验进行考

2019年我国人脸识别技术发展情况及发展趋势综合分析

2019年我国人脸识别技术发展情况 及发展趋势综合分析 2019年2月14日 一、全球生物识别细行业市场占比情况分析 生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。 伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。 用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征 识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计2015-2020年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为100%；虹膜识别为100%；指纹识别复合增长率为73%。

全球生物识别细行业市场占比情况 二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程 人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进-专业市场导入-技术完善-技术应用-各行业领域使用等五个阶段。其中，2014年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为97.52%，可以说深度学习技术让计算机人脸识别能力超越人类的识别程度。

人脸识别与其他生物识别方式相比，优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别时所利用的生物特征相同。指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触，而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像，在采集过程中体验感不佳。目前人脸识别需要解决的难题是在不同场景、脸部遮挡等应用时如何保证识别率。此外，隐私性和安全性也是值得考虑的问题。 2、3D人脸识别与2D人脸识别数据对比 目前，国内的人脸识别技术已经相对发展成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列达20多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利 保障、电子商务及安全防务等领域，人脸识别的全面应用时代已经到来。 中游人脸识别技术的进步，是推动下游场景应用拓展的关键所在。目前，人脸识别市场的解决方案主要包括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人脸识别技术的算法比2D算法更合理并拥有更高精度。

(完整版)2019年我国人脸识别技术发展情况及发展趋势综合分析.doc

2019 年我国人脸识别技术发展情况 及发展趋势综合分析 2019 年 2 月 14 日 一、全球生物识别细行业市场占比情况分析 生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。 伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征 识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计 2015-2020 年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为 100%；虹膜识别为 100%；指纹识别复合增长率为73%。

全球生物识别细行业市场占比情况 二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程 人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进 - 专业市场导入 - 技术完善 - 技术应用 - 各行业领域使用等五个阶段。其中， 2014 年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“ DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为 97.52%，可以说深度学习技术让计算机人脸识别能力超 越人类的识别程度。

2018年人脸识别行业市场调研分析报告

2018年人脸识别行业市场调研分析报告

目录 1、市场规模不断提升，政策支持力度加强 (5) 1.1、市场规模不断提升 (5) 1.2、政策支持力度不断加强 (7) 1.3、一级市场火热，国内专利不断攀升 (7) 2、 CNN 算法解决识别精度，人脸识别优势明显 (9) 2.1、发展历史悠久， CNN 算法助力识别率大幅提升 (9) 2.2、 2D 人脸识别为主， 3D 人脸识别还未成熟 (11) 2.3、生物识别技术中人脸识别优势明显 (12) 3、行业发展迅速， B 端百亿市场有望率先爆发 (13) 3.1、 B 端增量市场核心动力在于构建大安防体系 (14) 3.2、 C 端市场还未充分打开 (16) 4、多方逐鹿，综合能力至关重要 (18) 4.1、创业公司：基于技术优势切入市场 (19) 4.2、上市公司：技术+资金+渠道、综合实力强劲 (20) 4.3、互联网巨头：C 端影响力强大，探索 B 端落地 (22) 5、行业评级 (23) 6、企业分析 (24) 7、风险提示 (26)

图 1：生物识别领域未来五年复合增长率 (5) 图 2：全球生物识别市场规模（亿美元） (6) 图 3：2007-2015年人脸识别新增专利主要国家分布 (8) 图 4：人脸识别专利总量主要国家分布 (9) 图 5：人脸识别发展阶段 (9) 图 6：人脸识别算法流程 (11) 图 7：移动人脸识别系统 (15) 图 8：How-old-do-i-look (17) 图 9：ibaby婴儿监视器 (18) 图 10：云从科技部分金融案例 (20)

表 1：人脸识别相关政策 (7) 表 2：人脸识别部分企业融资情况 (8) 表 3：2D、3D人脸识别对比实验结果 (12) 表 4：模式识别对比 (13) 表 5：典型应用场景 (13) 表 6：人脸识别相关创业公司 (19) 表 7：人脸识别相关上市公司 (21) 表 8：互联网巨头人脸识别相关布局 (22)

人脸识别行业-竞品分析

人脸识别行业竞品分析 2017年7月 目录 1. 北京海鑫科金高科技股份有限公司（1998） (1) 1.1.主要系统 (1)

1.2.案例 (1) 2.中科奥森科技有限公司（2011 ） (1) 2.1.主要系统： (1) 22 案例 (2) 3.广州像素数据技术开发有限公司（1998 ） (2) 3.1.主要系统： (2) 3.2.案例： (2) 4.深圳市飞瑞斯科技有限公司 (2) 4.1.主要系统： (2) 5.火眼臻睛（电子科技大学） (3) 5.1.主要系统： (3) 6.商汤科技 (3) 6.1.主要系统： (3) 7.Lin kface (3) 7.1.主要系统： (3) 8.川大智胜 (3) 9.Tencv (4) 10.颜鉴 (4) 11.飞搜科技 (4) 12.讯泊 (4)

.专业

1.北京海鑫科金高科技股份有限公司（1998） 1.1.主要系统 海鑫人脸识别系统、海鑫人脸识别监控比对引擎系统、海鑫人脸采集及活体 检测控件、海鑫人脸识别车牌监控系统 12案例 人脸识别用户：北京市公安局、河北省公安厅、内蒙古公安厅、上海市公安局、河南省公安厅、青海省公安厅、港澳旅客自助通关系统、中国2010 年上海世界博览会、第26届世界大学生夏季运动会 实验室信息化用户：公安部二所、北京市公安局法医中心、天津市公安局、上海市公安局、江苏省公安厅、浙江省公安厅、福建省公安厅、湖南省公安厅、广东省公安厅、重庆市公安局、贵州省公安厅、云南省公安厅、甘肃省公安厅、青海省公安厅、宁夏省公安厅、新疆建设兵团、石家庄市公安局、乌鲁木齐市公安局、赤峰市公安局、武汉市公安局、广州市公安局、东莞市公安局、广西钦州公安局、四川泸州公安局、保山市公安局、西宁市公安局、新疆库车、山东省青州县公安局 2.中科奥森科技有限公司（2011） 2.1.主要系统： 实铭通、人证合一、静态人脸对比、动态人脸监控、人脸数据库建设、移动人脸识别、人脸身份验证、人脸门禁系统、影像分析增强、视频浓缩快览、红外

人脸识别技术市场发展现状

人脸识别技术市场发展现状 有这样一群人，一直在进行着各种各样的努力，攻破一个又一个技术难关。而他们的目的，却是为了以貌取人。 不是玩笑，更不是天方夜谭。因为这些人所从事的工作，正是人脸识别技术的研发与应用。从一指禅到面面观秋去冬来，瑟瑟寒风中，一双厚厚的手套让我们倍感温度。相信，没有谁愿意在零下几度的时候摘下它。但是，由于指纹打卡机的应用，使得我们每天不得不站在公司门口练习一指禅的功夫。试想，如果有一种产品，能够让我们这些君子既不动口也不动手，便能完成身份识别的工作，那将是事半功倍的。而人脸识别技术的发展及应用，恰好满足了我们的需求。 近年来，由于反恐、国土安全和社会安全的需要，世界各国都对安防领域加大了投入。而身份识别正是安防的一个核心问题。在这种大环境下，生物特征识别迎来了一个快速发展的时期，人脸识别技术在这样的环境下异军突起，犹如七八点钟的太阳冉冉升起。截止2007年，人脸识别的市场份额由原来的微不足道，迅速上升到12.9%，市场份额仅仅小于指纹识别，并且比重还在不断增加，彻底打破了国际生物识别市场上指纹一统天下的局面。 放眼国内人脸识别技术市场，从2007年便开始经历迅速的发展，而且发展的脚步越来越快。由于科技界和社会各个方面都认识到人脸识别技术的重要性，国家政策对人脸识别技术研究给予了很大支持，使得我国人脸识别技术取得了很大进展。而且，除了传统的考勤、门禁等应用外，各种新的应用需求的不断涌现，也极大地推动了这一市场的发展。例如，视频监控环境下的身份识别正成为一种迫切的需求，即在一个较复杂的场景中，在较远的距离上识别出特定人的身份，这显然是指纹识别的方法所不能满足的。而人脸识别却是一个极佳的选择。此外，人脸识别系统的市场大小，很大程度上是和人口的数量大小相关的。而我国有13亿人口，这就从本质上决定了我国是世界上规模最大的生物识别市场。 从一指禅到面面观，看起来只是个时间的问题。 掀起技术的盖头来指纹识别应该是目前应用最广泛、最普及的一种生物特征识别技术，在全球也是如此；人脸识别技术，目前在全球所占份额不小，但在国内，由于进口产品价格

中国人脸识别市场应用现状分析

中投顾问产业研究中心 中投顾问·让投资更安全 经营更稳健 中国人脸识别市场应用现状分析 中投顾问在《2016-2020年中国人脸识别行业投资分析及前景预测报告》中提到，继马云在德国汉诺威电脑展上亲自展示支付宝的人脸识别技术“SmiletoPay ”，完成“刷脸”支付后，阿里巴巴将与国内生物识别领域知名企业海鑫科金旗下的海鑫智圣合作共同建设“阿里巴巴人脸比对系统”，利用海鑫智圣人脸识别核心算法在淘宝开户认证过程中引入“人脸比对”及“真人检测”。上述技术的引入将帮助淘宝利用系统自动完成开户人员身份核验工作，通过视频画面截取用户脸部特征图像并与上传的身份证人像信息进行比对，同时系统会通过特殊技术引导用户配合完成“真人检测”。 而另一大国内巨头腾讯财付通表示已与中国公安部所属的全国公民身份证号码查询服务中心(以下简称“公民身份证查询中心”)达成人像比对服务的战略合作。财付通透露，腾讯与微众银行正在对金融、证券等业务进行人脸识别的应用尝试。 目前，一直坚持创新为先的民生银行率先将人脸识别引入客户身份认证环节，完成了人脸识别软件平台及客户化一期开发，实现多渠道的用户运营，目前已经在移动智能柜员系统、移动运营、客户化运营和柜台业务XBank 业务系统中采用人脸识别。 海外方面，比尔盖茨在博鳌演讲中指出“深度学习”和“计算机视觉”将是IT 界下一个大事件，同时Google 早于2014年收购了4家人工智能初创公司均涉及深度学习，其中3家涉及计算机视觉。 市场人士指出，互联网+巨头在该领域的频繁布局以及人工智能产业发展将进一步打开人脸识别应用前景。布局人脸识别符合当前线上身份认证以及金融服务的需求，更是踏入万亿人工智能产业的开始。

人脸识别行业竞争对手综合调查及分析

竞争对手分析 竞争公司产品简要 EMW（北京）飞越天地（北京）科技有限公司 3D人脸识不器 3D人脸注册器 机房监控环境监控人脸识不智能视频监控行为识不RCG宏霸数码科技 监控系统 门禁系统 人脸识不笔记本电脑 视频监控面部识不系统 北京海鑫科金高科技股份有限公司 海鑫人脸识不SDK 海鑫人脸监控系统（WATCHLIST） 海鑫人脸识不门禁系统 海鑫人脸网络视频服务器 海鑫人脸自动比对系统（DBSCAN） 北京数字奥森科技有限公司 数字奥森人脸识不系统 AuthenMetric-F1

数字奥森智能监控系统 AuthenMetric-S1 AuthenMetric-F1用于门禁与考勤 北京行者集团 行者集团人脸识不安全门 行者集团人像识不出入操纵系统 广州像素数据技术开发有限公司 广州像素--二代证相片采集软件 广州像素--二代证相片检测 广州像素--人像采集制作系统 河北朗科光电科技有限公司 产品名称：人脸门禁一体机 产品名称：室内型人脸门禁考勤系统 产品名称：人脸读头 产品名称：室内外人脸门禁一体机 人脸检测软件SDK 清识?-北京普赛科技有限公司 清识?图象增强系统 清识?模糊图像增强系统 清识?人脸监视系统

清识?人脸识不引擎 上海非思智能科技股份有限公司 慧眼人脸识不考勤机的FSHY－0110 人脸识不脱机模块DM642/FS-7110 深圳市汇国源实业进展有限公司 机场监控系统 监控人员告知系统 机场内部门禁操纵系统 考勤系统 面部识不QQ认证系统 面部识不VIP服务系统 面部识不公安网上追逃监控系统 面部识不股票登录系统 面部识不会议认证系统 面部识不监控网络系统 面部识不门禁系统 面部识不门票联合认证系统 照片对比系统 深圳市科佳科技(集团)有限公司

2014年人脸识别行业分析报告

2014年人脸识别行业 分析报告 2014年11月

目录 一、人脸识别：非主动接受带来的主动管理能力 (3) 1、人脸识别技术带来主动管理能力 (4) 2、图像采集的设备的重复利用 (5) 3、人脸数据库建设时的数据容易采集 (5) 二、人脸识别技术及产业链介绍：人脸识别算法是核心 (5) 6 1、人脸检测........................................................................................................... 7 2、人脸特征点提取............................................................................................... 7 3、人脸比对........................................................................................................... 三、人脸识别应用将朝软件/系统集成双向拓展 (8) 四、大风起兮，谁将受益 (13) 1、汉王科技：国内模式识别领域的领导企业 (13) 2、欧比特：收购铂亚信息，进军人脸识别市场 (15) 3、海鑫科金：国内生物识别领域的综合服务商 (16) 4、北京旷视科技：牵手支付宝，发力移动支付和商业智能应用 (16) 18五、风险因素 ..........................................................................................

人脸识别行业投资分析

人脸识别行业投资分析文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-

人脸识别行业投资分析 一、人脸识别行业背景 人脸识别是一种利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。与、掌纹识别、、识别等组成，是21世纪十大高科技之一，广泛应用于国家安全、军事安全、公共安全、企业安全和住宅安全管理领域。 国际上人脸识别技术研究历史不长，始于上世纪60年代，走过了面部特征、人机交互识别、自动识别三个阶段，逐步从系统集成到嵌入式，走向模块化、芯片化，美、日、欧取于领先地位。 我国的人脸识别技术始于上世纪80年代，得到863计划、国家科技支撑计划与自然科学基金的支持，清华、中科院计算所及自动化所的研究处于国际水平，浙大、交大、哈工大、复旦、南京理工等在国内领先。目前在学术领域正在克服人脸识别应用上的相似性、易变性、用户配合度、环境影响成像等问题，并向远距离、快速化方向发展。 二、人脸识别行业前景 我国的人脸识别行业才刚刚起步，90年代后期进入商业化阶段，以使用方便、直观性强、不易仿冒、识别精度高、设备通用性强等优势得以迅速推广应用，从2003年开始进入快速发展期，产品体系、技术标准逐渐完善；技术逐步获得市场认可，行业内企业数量持续增加；产品成本不断下降；各领域应用趋于普及，行业体系亦然成型。2007年上海颁布地方标准《重点单位重要部位安全技术防范技术要求》，在轨道交通、酒店、办公楼部分明确要求使用人脸识别装置。2009年8月北京《城市轨道交通安全防范技术要求》地方标准出台。 生物识别市场历史较短，但增速较快，每年达50%以上，2012年的市场规模约74亿。其中，人脸识别市场只短短的十多年的历史，处于产业化初始阶段和市场培育期，

人脸识别技术市场前景分析

3月14日晚8点多，35岁的周曦在重庆刚刚开始吃晚饭。他当天从重庆赶到上海，只为参与和上海交通大学联合实验室的学术成果交流。在伊利诺伊大学读了5年书，2011年放弃NEC工作回国进入中国科学院，现在，学计算机视觉专业出身的周曦身份变成Cloudwalk（云从科技）创始人。 这家总部设在重庆的创业团队，员工人数已达到200多人。借人工智能热，他的公司发展迅速，“做人脸识别或图像识别这类计算机视觉技术只是第一步，它们是人工智能的”眼睛“，我们的最终目标是人工智能大脑，”他对记者提及新技术研发的进展时，显得很开心。 记者采访的几家国内人脸识别公司，成立时间都在三年以内。它们一致认为，虽然国外谷歌、Facebook将人脸识别做得风生水起，但真正引爆国内热度的，还是2015年3月马云在德国汉诺威的刷脸展示。年轻、正被资本捧在手心、对未来充满憧憬，这是对当下中国人脸识别公司的集体注解。 这些分布在北京、上海、深圳、重庆等地的人脸识别创业公司，均宣称在某一环节拥有独创科技，但在行业分析者口中，真正拥有核心技术的只有寥寥数家。数据显示，计算机视觉已成为人工智能板块最受投资青睐的领域。 值得注意的是，BAT也扳下开往人脸识别的道岔。2014年，阿里巴巴控股了一家人脸识别企业，将发挥自家平台人脸数据优势，推动人脸识别2C的发展。而同时，腾讯已经在内部组建了人脸识别团队。百度人脸识别也依靠庞大的数据资源进步神速。 巨头在起跑线摆出了火拼的架势，一场大战前的硝烟味正在散 人脸识别投资潮起 据了解，阿里对人脸识别极度重视。在内容方面，阿里已全面将该技术应用到自己的支付宝、淘宝等平台，并将协同旗下的其它业务板块等，培养人脸识别的应用场景。