计算机视觉（人脸识别）项目可行性研究报告-应用拓展，有利于推动市场规模增长
一、概览摘要
年以来，人脸识别技术尝试在各类行业中实现应用落地，行业应用场景拓展，有利于推动人脸识别市场规模增长。中国人脸识别市场规模从年的5.0亿元人民币增长至年的95.8亿元人民币，期间的年复合增长率高达.9%。但目前人脸识别技术仅与智能安防和金融领域结合较深，其他领域的人脸识别应用仍在开发进程中。随着人脸识别技术在各行业应用渗透深入，中国人脸识别市场规模有望获得更进一步发展，跃升成为计算机视觉行业内增长最快的细分板块。人脸识别应用价值的凸显，吸引众多厂商陆续加入该市场行业，积极开发人脸识别应用场景。
二、中国人脸识别市场现状
1、定义
人脸识别是计算机视觉的一个热门研究领域，是一种计算机基于人的脸部特征信息进行身份鉴别的计算机视觉技术。
计算机视觉与人脸识别技术定义
计算机视觉是使用计算机模仿人类视觉系统的技术，让计算机拥有类似人类提取、处理、理解分析图像及图像序列的能力。其中人脸识别是计算机视觉的一个热门研究领域，是一种计算机基于人的脸部特征信息进行身份鉴别的计算机视觉技术。
中国人工智能技术成熟度曲线
人脸识别基础流程
人脸识别系统将采集到的人脸图像进行光线、旋转、切割、过滤、降噪、放大缩小等处理以符合人脸图像特征提取的标准要求。主要的人脸图像预处理手段有灰度调整、图像滤波和图像。
尺寸归一化，其中灰度调整主要用于调整由地点、设备、光照等方面的差异引起的彩色图像质量的差异；图像滤波主要是调整噪声对人脸图像质量的影响；图像尺寸归一化是调整因图像像素差异而造成的图像尺寸差异。
人脸检测指人脸识别系统从输入的图像中检测并提取人脸图像的过程。人脸检测的作用是精准地描绘图像资料中人脸的位置和大小，挑选出有用的图像信息，保证人脸图像的精准采集。
人脸特征提取是对人脸进行特征建模的过程。人脸特征的提取方法可归纳为基于知识的提取方法和基于代数特征的提取方法，其中基于知识的提取方法是根据人脸五官结构特征等表像直接提取人脸特征以建立数据库，其特点是识别方法简单、容易理解，系统检测速度较快，但并未形成统一的提取标准；基于代
数特征的提取方法经过特定运算规律抽取人脸特征建立数据库，人脸识别精度较高，但需要对相应的数据库进行统计训练人脸识别将待识别的人脸特征与数据库中人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断并展示最终识别结果。
人脸识别系统辨别采集到的人脸图像，是来自于真实的人脸还是含有人脸的照片的过程。实际运用中，人脸识别系统一般需要增加活体鉴别环节，例如要求人转头，眨眼睛等。
2、商业模式
软硬件一体解决方案服务模式通过售卖“硬件+软件”集成服务，满足客户个性化需求，让客户更直接应用人脸识别技术，避免对接复杂的软硬件兼容集成过程。
人脸识别企业的服务模式按提供产品或服务类型不同，可分为软件服务模式和软硬件一体解决方案服务模式。多数人脸识别企业均涵盖以上两种服务模式。
软件服务模式：服务提供商通过售卖人脸检测软件、视频管理软件、视频分析软件等，为用户提供人脸识别服务。按数据处理方式及数据存储位置不同，可分为在线API、离线SDK、私有云等细分服务模式。
软硬件一体解决方案服务模式：服务提供商为客户提供具体应用场景的技术解决方案，通过售卖“硬件+软件”服务，满足客户个性化需求。软硬件结合方式可在前端硬件设备上嵌入识别算法软件，实现更快速、更高精度的数据处理。还可让客户更直接应用人脸识别技术，避免对接复杂的软硬件兼容集成过程。
中国人脸识别企业服务模式
3、市场规模
年以来，人脸识别技术尝试在各类行业中实现应用落地，行业应用场景拓展，有利于推动人脸识别市场规模增长。
计算机视觉与人脸识别市场规模
计算机可识别文本、图像、视频及活体内容，可根据文本、视频、图像内容进行涉黄监测，识别活体面部特征信息，对人员身份进行识别、活体检测等。此处的活体数据类型主要为人脸信息，是人脸识别应用的市场表现。
年以来，人脸识别技术尝试在各类行业中实现应用落地，行业应用场景拓展，有利于推动人脸识别市场规模增长。中国人脸识别市场规模从年的5.0亿元人民币增长至年的95.8亿元人民币，期间的年复合增长率高达.9%。但目前人脸识别技术仅与智能安防和金融领域结合较深，其他领域的人脸识别应用仍在开发进程中。随着人脸识别技术在各行业应用渗透深入，中国人脸识别市场规模有望获得更进一步发展，预计-年，人脸识别市场规模年复合增长率可达62.4%，成为计算机视觉行业内增长最快的细分板块。
中国计算机视觉行业市场规模（按可视数据类型分），-年预测
三、中国人脸识别行业应用趋势
使用场景开发将成为人脸识别企业的重点发展方向，交通、零售、医疗等行业在数据积累、AI应用基础方面有一定积累，均为进一步与人脸识别应用结合提供良好的基础。
AI技术持续向传统行业渗透，安防和金融领域与AI结合程度较深。安防领域主要利用AI视觉技术升级安全监控、安全防护等产品。金融行业拥有良好的数据积累基础，数字化改造进程稳定，银行、证券等金融机构较多愿意接受业务智能化尝试，因此AI技术在众多金融业务场景得到中得到推广。交通、零售、医疗、制造等行业在数据积累、AI应用基础方面有一定积累，均为进一步与AI应用结合提供良好的基础。
制造：
未来，AI在制造业加速深化，深入企业研发、生产、管理、服务等环节，如利用计算机视觉技术发现生产残次品，用AI机器人执行流水工作等，使制造智能化。
医疗：
未来，AI技术将渗透医疗子领域，涉及疾病预测、辅助治疗、智能诊断等方面，如通过计算机视觉技术对病变部位进行自动识别，提供明确诊断提示，实现智慧医疗。
金融：
未来，金融领域将深度结合大数据、AI技术，优化智能银行、智能投顾、智能风控等产品，真实变革业务模式，将金融业从信息化逐渐转向智能化。
安防：
未来，人脸人体半结构化特征与动作识别、步态识别等AI新技术将在安防领域被广泛使用。人脸/图像等识别功能将更多置于边缘端（如摄像头等），加快识别效率。
计算机视觉（人脸识别）项目可行性研究报告编制大纲
第一章总论
1.1计算机视觉（人脸识别）项目背景
1.2可行性研究结论
1.3主要技术经济指标表
第二章项目背景与投资的必要性
2.1计算机视觉（人脸识别）项目提出的背景
2.2投资的必要性
第三章市场分析
3.1项目产品所属行业分析
3.2产品的竞争力分析
3.3营销策略
3.4市场分析结论
第四章建设条件与厂址选择
4.1建设场址地理位置
4.2场址建设条件
4.3主要原辅材料供应
第五章工程技术方案
5.1项目组成
5.2生产技术方案
5.3设备方案
5.4工程方案
第六章总图运输与公用辅助工程
6.1总图运输
6.2场内外运输
6.3公用辅助工程
第七章节能
7.1用能标准和节能规范
7.2能耗状况和能耗指标分析
7.3节能措施
7.4节水措施
7.5节约土地
第八章环境保护
8.1环境保护执行标准
8.2环境和生态现状
8.3主要污染源及污染物
8.4环境保护措施
8.5环境监测与环保机构
8.6公众参与
8.7环境影响评价
第九章劳动安全卫生及消防
9.1劳动安全卫生
9.2消防安全
第十章组织机构与人力资源配置
10.1组织机构
10.2人力资源配置
10.3项目管理
第十一章项目管理及实施进度
11.1项目建设管理
11.2项目监理
11.3项目建设工期及进度安排
第十二章投资估算与资金筹措
12.1投资估算
12.2资金筹措
12.3投资使用计划
12.4投资估算表
第十三章工程招标方案
13.1总则
13.2项目采用的招标程序
13.3招标内容
13.4招标基本情况表
第十四章财务评价
14.1财务评价依据及范围
14.2基础数据及参数选取
14.3财务效益与费用估算
14.4财务分析
14.5不确定性分析
14.6财务评价结论
第十五章项目风险分析
15.1风险因素的识别
15.2风险评估
15.3风险对策研究
第十六章结论与建议
16.1结论
16.2建议
附表：
关联报告：
计算机视觉（人脸识别）项目申请报告
计算机视觉（人脸识别）项目建议书
计算机视觉（人脸识别）项目商业计划书
计算机视觉（人脸识别）项目资金申请报告
计算机视觉（人脸识别）项目节能评估报告
计算机视觉（人脸识别）行业市场研究报告
计算机视觉（人脸识别）项目PPP可行性研究报告
计算机视觉（人脸识别）项目PPP物有所值评价报告
计算机视觉（人脸识别）项目PPP财政承受能力论证报告
计算机视觉（人脸识别）项目资金筹措和融资平衡方案