专业的面相识别的企业|人脸识别离线SDK |人证比对API

基本上国内每家公司都会说自己的算法牛，实际上有几家有人脸核心算法呢？国内在完全从事算法研究的总工程师人数到目前（2016年）总计不到100人，不过也没有现在问题也不大，中科院计算所山世光教授已经开源了，没有基础的公司不用太辛苦从零开始在OPENCV基础上做算法升级，相信很快google微软还会有新的算法发布。现在算法基本都是98%以上，这点差距已经不重要，算法核不核心也没有太大问题。大家不用太过于焦虑，产品到应用阶段，单单靠算法可不够，还要考虑实际的使用。

 

01北京商汤科技

核心业务：智慧金融、智慧商业、智慧安防、互联网+

技术特点：人脸技术、智能监控、图像识别、文字识别、图像及视频编辑、深度学习框架

成功案例：京东、招商银行、借贷宝、拉卡拉、长城会、东方网力、公安三所、英伟达、科大讯飞等

备注：与京东、银联、招商银行、卡拉卡、融360等均有合作；布局智慧城市安防项目；智能视频方面，SenseFace人脸布控系统已经开始广泛落地；以图搜图的图腾系统；已经应用在广州、重庆、河北等地的公安局；Faceu应用SenseAR增强现实感引擎；人像背景虚化功能、智能相册中的人脸聚类功能应用在OPPO、小米等手机。

02北京旷视科技

核心业务：FaceID 在线身份验证服务、Face++ 人工智能开放平台、智能地产解决方案、智能安防解决方案

技术特点：动态人脸识别、在线/离线活体检测、超大人像库实时检索、证件识别、行人检测、轨迹分析

成功案例：中信银行、招商银行信用卡中心、蚂蚁金服、神州租车、云端武汉、东软集团、凯德集团、2017博鳌亚洲论坛等

备注：为支付宝客户端提供人脸登录功能支持；为公安部第一研究所提供“网上身份证”人脸识别技术支持；为美图旗下产品提供技术支持；通过人脸识别技术对司机身份进行核验应用到e代驾、易到用车、神州租车；旷视智能开放平台Meagvii Cloud 是人工智能开放平台，为开发者提供人脸识别、文字识别、图像识别及其它人工智能能力。

03 上海依图科技

核心业务：智能安防平台、城市数据大脑、智慧医疗健康、智能硬件设备

技术特点：计算机视觉、自然语言理解、知识推理、智能硬件、机器人技术

成功案例：中国海关、中国边检、华为、阿里云、招商银行、万达集团、苏州公安司、福建公安厅、贵州公安厅等业银行、中国人寿、宏基电脑、TCL、步步高、多普达、HP、好记星、人民出版社等

备注：招商银行、浦发银行、京东金融、360金控；江苏省公安厅用依图系统。

04广州云从科技

核心业务：快速部署平台、智能硬件、智能系统

技术特点：人脸信息检测、特征提取融合、质量属性分析、人脸相似度比对、特征相似度对比、ocr识别成功案例：中国农业银行、乐视车联、广东省公安厅、广电运通、西北星、御银股份、北京西站、黑龙江垦区、山东城商行联盟等

备注：受邀起草与制定人脸识别国家标准；中国农业银行超级柜台、刷脸取款；安防领域产品已在22个省上线实战。

04 上海依图科技

核心业务：智能安防平台、城市数据大脑、智慧医疗健康、智能硬件设备

技术特点：计算机视觉、自然语言理解、知识推理、智能硬件、机器人技术

05腾讯

财付通与公安部所属的全国公民身份证号查询中心达成人像比对服务战略合作；优图人脸识别技术将广泛引用EMS的政务、贵重物品和重要文书快递中；在腾讯微证券等产品上应用人脸识别成功案例：中国海关、中国边检、华为、阿里云、招商银行、万达集团、苏州公安司、福建公安厅、贵州公安厅等业银行、中国人寿、宏基电脑、TCL、步步高、多普达、HP、好记星、人民出版社等

备注：招商银行、浦发银行、京东金融、360金控；江苏省公安厅用依图系统。

05 百度

百度内部正在使用人脸识别闸机，2016年11月与乌镇景区合作，游客刷脸便可自由进出景区；与首都机场签订协议，未来首都机场将实现刷脸登机；与“宝贝回家”公益平台合作利用人脸识别寻找走失儿童；携手雨诺股份CRM系统，通过服务集成商Cella联合为医药零售行业输出智慧药房解决方案，目前已应用在先声再康连锁药店。

07阿里

人脸识别技术各模块可通过API参数自由组合，服务定制灵活；基于深度学习和海量人脸标注数据，再加阿里云的技术实力，能够提供稳定、可靠的大流量服务；有了人脸识别，可以高效率、高准确率排查未经明星允许而使用其代言的商品，反过来保障阿里妈妈直通车和钻展中明星代言商品的广告效果

08 四川川大智胜

2D人脸识别产品已推向市场，3D人脸采集和识别产品主要处于工程样机和产品样机阶段，主要应用领域是公共安全领域，2D在北京师范大学和四川大学的学生宿舍产品样机系统中应用，铁路认证票查验中在试用，已在成都火车站试用。

09 北京汉王科技

技术特点：手写技术、OCR技术、键盘技术、公式识别、输入法

成功案例：农业银行、中国人寿、宏基电脑、TCL、步步高、多普达、HP、好记星、人民出版社等

备注：助力银川市政府应用生物识别技术打造智慧政务平台，助力杭州市国税局实现人脸生物识别比对技术开展”刷脸“办税，在公安刑侦，追逃领域有大量应用，技术授权已与华硕、海尔、长虹、海信、平安银行等达成合作，并推广应用到智能家电，笔记本，移动终端等应用平台。

10 合肥科大讯飞

核心业务：语音引擎、教育产品、手机应用、互动音乐

技术特点：语音识别及合成技术、自然语言处理技术、语音评测技术、声纹识别技术、手写识别技术

成功案例：讯飞输入法、灵犀录音宝、开心熊宝、听说无忧、讯飞电视助手、讯飞智能音箱等

备注：科大讯飞联合香港中文大学污晓鸥教授团队，共同推出世界领先的人脸识别技术，提供人脸验证、在线/离线人脸检测和人脸关键点检测等功能，联合中国银联和微商银行发布”声纹+人脸“融合认证个人转账应用，科大讯飞在用的身份认证考勤，全国各地分公司通过APP进行”人脸+声纹“打卡即可。

11上海阅面科技

“阅客”是软件一体华的客群分析终端，“阅邻”是提供软硬件一体化智能门禁及刷脸认证解决方案。

12北京猎户星空

除门禁外，手机等生活化场景外，还应用到猎豹移动旗下的直播产品Live.me中包括后台技术检测识别情色信息，识别官网LOGO进行广告检测，能过性别，类型等标签对主播进行分类，实现动态的人脸贴图等个性化功能。

13北京格灵深瞳

发布面向公安，交通行业的深瞳人眼摄像机FOVEACAM,可以在远距离内识别人脸。

14北京中科奥森

DeepEyes 双目深度学习人脸识别防伪技术。

 

15深圳平安科技

人脸识别技术已应用10多个场景，如接入远程开户，绑卡核身，账户登录，分期购物、人脸考勤、人脸支付等数十种业务场景的50+终端应用中。

16北京海鑫智圣

2010年以“人脸识别监控报警系统”为核心完成了上海世博会园区人脸采集与比对系统建设项目；2012年成为全国公民身份证号码查询服务中心人像比对认证系统的承建商，支持库容超过11亿人；2016年为石景区事业单位公开招聘考试首钢技师学院考场引进了3台鑫身份核验设备，实现了考生刷脸进场。

17北京飞搜科技

已开发出面向企业的多个在线，API、离线SDK的核心产品线，包括人脸检测、人脸特征点定位 ，人脸识别，名人识别，人脸属性识别和目标/场景识别、色情图片识别等。

18天津汉柏科技

人脸识别产品上市 ，推出门禁（GATES）、识别终端（DOORS）、闸杨（INS）、桌面终端（ONS）等产品及一系列行业解决方案。

19珠海人人智能

发布人脸识别硬件模组，aceos,基于ARM芯片研发，可轻松嵌入到智能摄像头等各种终端上面，主要应用于人证，人脸对比等安防领域系统。

20苏州中德宏泰

深眸”提供包括人脸识别在内的一整套人你识别技术方案。

21湖南视觉伟业

核心业务：智能安防平台、城市数据大脑、智能医疗健康、智能硬件设备

技术特点：人车云智能识别系统、人脸识别、图像增强处理引擎、人脸自动老龄化推算、前端到云端的计算架构

成功案例：北京天安门广场、首都机场T3航站楼，北京地铁、北京公安、长沙黄花机场，湖南省委，长沙坡子街、南京大学、浙江大学等

22 杭州海康威视

核心业务：监控设备、摄像设备、车载产品、软件服务等

技术特点：SMART IR技术、ARM和DSP架构、运动检测技术、嵌入式系统优先级反转、视音频编解码技术

成功案例：鸟巢、奥运村、世博会、青藏铁路、陕西工商局行政大楼、远洋集团、南京鼓楼医院等

23 佳都科技

核心业务：智慧城市、智能轨道交通、服务与产品集成

技术特点：动态人脸识别技术、自动售检票系统、屏蔽门系统、综合监控系统、视频监控系统

成功案例：广州高(快)速公路、顺德区护城河、广西百色电子警察、中山市公安警、广东省警卫综合指挥调度、广州市网上车管所、平安亚运、青岛市南区“天网”工程等

24 广东铂亚信息

核心业务：人脸识别、智能交通系统、电网视频及环境量监控设备、门禁系统、识别布控产品、照片采集仪、智能分析、平台软件

技术特点：活体检测、本人验证、真人验证、1:1人脸比对、1:N人脸比对、N:N人脸比对、实名验证

成功案例：翼支付、华为、微软、新浪潮、宇视科技、HP、联想、电贝尔、神州数码、宝德

25 北京中科视拓

以人脸识别和深度学习为核心，为政企商客户提供计算机视觉与机器学习领域的各项专业技术服务、软硬件一体化解决方案，助力各行业客户在人工智能时代获得自主迭代和自我学习的人工智能创新和应用能力。

26神思电子

国内领先的身份识别解决方案的提供商和服务商，正在实施“从行业深耕到行业贯通、从身份识别到智能认知”升级战略，继续在身份识别相关领域提供具备人工智能特征的行业解决方案一站式服务。

27高新兴

全球领先的智慧城市物联网产品与服务提供商。自1997年公司成立起，长期致力于研发基于物联网架构的感知、连接、平台层相关产品和技术，以物联网技术为核心，聚焦智慧城市、垂直行业两大市场，围绕平安城市、车联网、公安信息化、铁路安全、金融安全等领域深耕。

28颜鉴（ColorReco）

是一家通过深度学习框架打造新一代人脸识别技术的科技创新公司，具有完全自主知识产权的核心技术，在人脸检测、人脸识别、人脸属性检测、活体检测、人脸搜索等多个领域均有原创性创新。根据不同业务场景下的人脸识别需求，为广大企业级用户和合作伙伴提供业界领先的视觉身份认证技术和整体解决方案。致力于打造新一代的计算机视觉理解和人工智能引擎，让计算机以及其他智能硬件能看懂我们这个世界。

29今始科技（Linkface）

是一家专注从事计算机视觉研究的科技创新型公司。公司以“重塑金融世界的奇点”为企业愿景，以深度学习为技术引擎，结合计算机视觉和大数据分析，致力于通过原创的图像识别算法与大数据处理技术为传统银行、互联网金融、保险、证券等金融机构提供实名身份验证、文字信息识别、基础数据查询、用户画像、反欺诈等自动化解决方案，帮助金融客户打造更安全、更高效、更智能的服务体验。

30湖南远钧科技

主要从事人脸识别、行为识别、机器人视觉分析与检测核心算法研究和产品应用开发，以部队和社会公共安全领域为主要应用方向，销售自主研发的软硬件产品、软件定制开发、配套信息系统集成和运维管理服务等，提供人工智能一体化整体解决方案。主营产品：嵌入式人脸识别通道控制系统、人证库3合1多生物识别实名核验类产品、无感知人脸识别系统、异常行为识别系统，以及人脸识别SDK销售及根据用户特定需求做二次开发服务等。

在知乎问题“关于人脸识别哪家强？”下，作者@MaxSam提供了一个高票回答，以一个从事人员的角度详细解释了这个行业：

本人从事人脸识别相关工作（2017年底刚刚离开该行业），这一波人工智能的投资风起来，很多人脸识别公司恨不得马上往自己脸上贴几吨金，有个朋友说了一句很有意思的话：

外行一般觉得很科幻，内行一般觉得很绝望，业界领袖和领袖各种打鸡血。

大部分AI公司都在烧钱阶段，未来变现有很大的不确定性。看看百度自动驾驶的系统和google图像识别系统的开放可以预知未来免费是大趋势，那可是曾经投入数百亿美元。但是资本投进来，必须拉着媒体一起吆喝，不然本都回不了（进入AI行业才知道很多资本方原来什么也不懂乱投）。

人脸识别作为一项模块技术很少有独立应用（独立的业务层设计），大部分只是为已有的业务软件体系上做增强，比如客户人脸校验（在过去密码基础上增加一层），人脸检索（比人工高效，摄像头结果过滤），相似人脸推荐（比如婚介社交，整容设计），不过这个过程中已经死掉大量公司，因为利润太少，非强需求。

目前相关产业公司在已知的主要商业模式中都在实践，但卖货，卖授权，卖服务，后台流量变现这四大商业模式中，都没有看到一个公司有。作为行业中人，所谓的绝望无非如下：

1、算法再好，也只是调味料，最终出路还是做到最终产品中，通过业务层叠加开发，形成产品和方案，更多时候是一个方案服务商，更像过去传统软件商，规模难有爆发。

2、使用门槛、成本很低，目前市场上终端算法部署比较低端的产品授权就500元/套（1：1的远程接口调用所使用的前端授权），市场竞争的结果就是低价倾销。

人脸识别目前就是为了各种噱头立项、经费申请瓜分用的，有个公司靠这个拿国家各种科技补贴。真正赚钱都是那些中间商公司，人脸识别一家都没有。至于未来有没有新商业模式出现，暂且无法推断。

题主问题比较宽泛（到底是盈利强，还是算法强，还是应用强？），人脸识别技术的衡量维度太多，但从技术比较，比如图像比对级的1:1，1:N，N:N；衡量的标准和维度都不同。比如算法精确度上，国内国外的人脸识别技术大多数在开源OPENCV等开源库上进行新规则添加（深度学习进行叠层运算），公司之间的识别正确率差异仅仅在小数点上，99.6%-99.7%提升意义不大，如果说在LFW上称王称霸就是世界一流，就要被内行笑话了。

 

衡量人脸识别的算法能力几个指标：拒识率、误识率、通过率，准确率。

先看看人脸识别的基本流程：

人脸识别最难的部分是有充分适应各大光线环境的人脸预处理算法，需要在各种复杂的光线环境中提取到人脸信息，特别是移动互联网时代，摄像头拍照的地方可以在斑驳的树影下，也可以在昏暗的街灯下，以及深夜出租车内，这对算法的鲁棒性考验极大。同时还要考虑照片和视频欺诈，二次成像的光线污染等问题。

下面说一下目前人脸识别的常见问题（不要再问人脸识别准确度了，这个是外行话）。

1:1人脸识别算法主要用于身份验证

1：1人脸识别技术主要是利用图像处理技术从图像中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，即人脸特征点模型。再从人脸特征点模型与被测者的人的面像进行特征分析（可以假定为无数的几何特征点求解），根据分析的结果来给出一个相似值，通过这个值即可确定是否为同一人。简单的说就是A/B两张照片比对，产生的计算数值是否达到要求。

这个值我们称之为阈值，可以从1到100（100就是极端严苛）很多人脸识别公司说他们的产品很容易通过，那只说了一半，如果阈值调整到5以下，几乎大部分人都可以是相似的，而调整到95以上，同一个人在不同的背景环境拍出的照片都无法匹配。所以当一公司跟你吹牛算法准确度，先问下使用的是用什么阈值，同一人脸比对通过率，非同一人比对通过率。

所以没有阈值说明的算法都是耍流氓。

1：1主要用于快速的人脸识别比对，作为身份确认的一种新方式，比如考生身份确认、公司考勤确认、各种证件照和本人确认，由于这些照片源不一定有权威统一的接口调用，所以一直没有用起来。目前市面上做的比对来源主要有三种方式：

1、用户自传照片，比如支付宝的人脸比对，用户自传的照片最大的问题是照片质量的合格率太低，拍照的光线、角度等因素会导致采集源的质量下降，不利于后期的大批量人脸特征码管理。

2、使用身份证读卡器，读取身份证上的照片，遗憾的是这张照片的质量极差，2K的大小，很多照片上的人脸质量实际非常差，不过也是目前用最多的方式，比较适合签到场合。

3、使用公安部旗下NCIIC的人脸比对接口（注意，不是网纹照片接口，这个接口已经不对外），使用的是直接的人脸比对接口。目前具备有这个库调用权限的，目前所知的只有几家，在人脸识别公司中，好像只看到一家在提供，这里先不提了。BAT应该都还没有接入，如有大家有新发现的可以补充。

实际上，解决比对源的问题的关键是需要有权威的照片数据来进行比对，许多公司刚刚开始的时候采取NCIIC（公安部的一个事业单位）身份证返照接口的照片，进行消网纹处理进行比对，但人脸的很多特征点被损毁成功率大概只有6成（根据六月份发布的网络安全法，目前网纹返照接口市面上除了银行系统可以使用外，其他所用的身份证返照接口都是非法的，一用就被查）。

1：1 人脸识别算法主要使用场景

无证件的情况下，如何确认本人是XX？

曾经有一些问题是关于如何确认本人的笑话，派出所要求一个小伙证明就是本人，证明你妈是你妈。。这种奇葩问题，但是许多陌生场合也有这种尴尬，你如果没有带证件，警察无法看到你的照片，如何确认你就是XX就是之前经常出现的执法矛盾；如果一个人把身份证弄丢了，外面风雪交加，如何给这类人办理酒店入住手续？这些就是身份确认的问题。公安部推身份证网上副本 身份认证可“刷脸”完成就是用来解决这个问题，我们出门不用完全依赖身份证可以确定身份，可以方便很多。

但是1：1人脸算法的巨大隐患是我们随处可见的人脸，实际就是一个公开的钥匙，马云提出刷脸消费吃饭，如果没有手机验证码（本身也是一重手机实名验证），分分钟钟被吃垮。但是既然可以用手机，为什么还用刷脸，不是多此一举吗？

另外还有一些高级会所，希望实现VIP的贵宾警报服务，这个在下面的1：N和N:人脸识别算法系统中可以看到。但是1：1比对的身份应用哪家强了？

比如远程的互联网客户，如何确认身份？

在互联网买机票、车票，医院挂号，政府惠民工程项目，以及各种证券开户、电信开户、互联网金融开户都会用到。过去的身份认证方式是非常不妥的（比如支付宝的持有注册流程，还有一些不知名的社交APP等需要上传身份证照片），这些资料是极其容易被盗取和转卖的，下图是来自百度的图片搜索结果截图，还有最近的一些女大学生的裸条资料泄露，导致犯罪分子有很多利用的漏洞，黑客军团号称资料2000万，分分钟钟薅干一家金融平台没有问题：

人脸识别的破解：

许多金融公司喜欢把人脸识别SDK模块嵌入到APP当中，但这个太容易绕过，所以会再加上活体检测（市场上常见的活体检测为随机动作配合），但是即便加了活体检测，也一样可以绕过。比如下面这两种方式：

1、3D人脸仿真面具

2、 人脸模型实时重建

所谓道高一尺魔高一丈，这个还是增加其他的多维校验才能确认身份，否则真有人要进行远程攻击，也不是很难的事情。那么活体检测哪家强了？

1:N人脸识别算法主要用于人脸检索

跟1：1的A/B两张照片比对最大的区别是A/B A/C A/D……多个1：1计算，这个最大的问题是一旦BCD总和数量越大计算速度越慢，而总和超过20万，就回出现多个相似结果（20万人这个大数会导致有不少人长相相似），需要人工辅助定位。过去我们在电影里面看到什么“天网”识别系统只是一种理想状态，实际应用中都是排列出多个结果，排第一的未必是需要的人。

1：N人脸识别算法主要用于排查犯罪嫌疑人、失踪人口的全库搜寻、一人多证的重复排查，以此相似度列出相应的结果，可以大大提高排查效率。类似的也可以用到走失儿童的项目中去。

这一类系统的部署需要两个条件：

1. BCD基本库（比如1000万人）

2. 强大的算法硬件

1：N同时作业就是N:N了，同时相应多张照片检索需求，检索耗费的时间跟硬件算法关系极大，就这一领域的应用，又哪家公司强了？

N:N人脸识别算法主要用于实时多1：N检索计算：

N：N 该算法实际上是基于1：N的算法，输入多个求解结果。比如视频流的帧处理所用，对服务器的计算环境要求严苛，目前的算法系统所支撑的输出率非常有限。

主要的限制如下：

海量的人脸照片解析需要大量运算（目前很少看到在采集端直接解析的，都是照片剪裁）

海量的人脸照片传输需要大量的带宽（常见的720布控摄像头抓取最小的人脸照片为20K）

海量的人脸照片在后台检索需要耗费大量的运算（国内主流主机为例，最多到24路摄像头）

由此可见，真正实现“天网”人脸检索，一来要解决数亿摄像头的图片处理，二来需要解决联合库的超算检索，这可不是一般公司吃得消。有些小区和高级场所，对VIP客户的识别和接待比较喜欢这种视频校验方式，但是实际部署使用者会受到摄像头位置、角度，以及多人同时入场产生的问题，而且人脸库会非常有限，不然计算时间长，体验极差，一些所谓的迎宾机通常也就几个人的照片（就是纯粹给领导看的），实用价值大大的打折扣，有戴墨镜或者帽子遮蔽都认不出，毕竟关键特征取样有限。这又有谁强了？

拍照和直播APP的人脸图像叠加

国内比较多的娱乐APP通过对人像图层跟踪处理，也是一个不错的技术切入点，但是产品安装包会比较大，现在做的也只是跟踪技术，属于底层识别，如果复杂一些的需要通过云服务实现，但是服务器算法解析速度和带宽比较难以跟上，也不算是一种靠谱的商业模式。

人脸识别的技术发展方向：

结合三维信息：二维和三维信息融合使特征更加鲁棒

多特征融合：单一特征难以应对复杂的光照和姿态变化

大规模人脸比对：面向海量数据的人脸比对与搜索

深度学习：在大数据条件下充分发挥深度神经网络强大的学习能力

在视频级N:N的校验中，如果要提高通过率，很多时候是采取降低准确率的方式，降低算法队列数量；同样在一些比赛中为了降低误识率，大大提高了准确率，所以算法在校验的过程中必须遵循至少一个固定标准，追求的是速度效率还是最高准确率。

人脸识别算法的应用分类派系:

人脸识别对应解决方案方向：

个人认为未来人脸识别会让大部分的数据更加真实，而可以通过社会工程学模板做很多分析和改良，比如近期一些科学家利用人脸识别来分析一些人的健康、清晰，甚至是犯罪倾向，或许在未来还可以结合大数据，对我们过去传统的面相分析技术做一个全新的提升，到时候算命先生都要失业了。更多机器人交互、无人机产生的摄像目标锁定分析等科幻画面并不是多遥远的事情。