人脸识别厂家排名 人脸识别哪家强？看看国内30家TOP企业！

人脸识别产品已经广泛应用于金融、司法、军事、公安、边防检查、政府、航空航天、电力、工厂、教育、医疗等众多企事业单位。随着技术的进一步成熟和社会认知度的提高，人脸识别技术将会应用到更多的领域。在这个行业，涌现出了一批优秀的企业，如北京迪法恩科技、北京上唐科技等。

01北京上塘科技

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。官网：https://www.sensetime.com/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。官网：https://megvii.com/03 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。官网：http://www.cloudwalk.cn/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。官网：http://www.yitutech.com/05 百度

百度内部正在使用人脸识别盖茨。2016年11月与乌镇景区合作，游客可以刷脸自由进出景区；与首都机场签订协议，未来首都机场将实现面对面登机；配合“宝宝回家”公益平台，利用人脸识别寻找走失的孩子；与宇诺有限公司的CRM系统携手，通过服务集成商Cella，共同为医药零售行业出口智能药房解决方案，现已应用于现生再康连锁药店。

官网:https://www.baidu.com/

06阿里

人脸识别技术的各个模块可以通过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，加上阿里巴巴云的技术实力，可以提供稳定可靠的大流量服务；有了人脸识别，就可以高效率、高准确率地检查出未经明星许可而使用其代言的产品，这反过来又保证了阿里妈妈直通车和钻展中名人代言产品的广告效果

官网:http://www.alibaba.com/

07腾讯

财付通与公安部所属全国公民身份证号码查询中心达成人像比对服务战略合作；优途人脸识别技术将广泛应用于EMS政务、贵重物品和重要文件快递；在腾讯微证券等产品上应用人脸识别

官网:http://www.qq.com/

08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。官网：http://www.hw99.com/09 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。官网：http://www.iflytek.com/10 四川川大智胜

2D人脸识别产品已经投放市场，3D人脸采集和识别产品主要处于工程原型和产品原型阶段，主要应用领域是公共安全。2D在北师大、川大学生宿舍产品原型系统中应用，正在铁路认证验票中试用，已在成都火车站试用。

官网:http://www.wisesoft.com.cn/

11上海阅读科技

“阅读客户”是一款集软件于一体的客户群分析终端，“阅读邻居”是一款集软硬件于一体的智能门禁和刷脸认证解决方案。

官网:https://www.readsense.cn/

12北京猎户座空

除了门禁、手机等生活场景外，还应用于猎豹移动的直播产品Live.me，包括检测识别情色信息的后台技术，识别用于广告监控的官网LOGO，通过性别、类型等标签对主播进行分类，实现动态人脸映射等个性化功能。

官网:http://www.ainirobot.com/

13北京歌苓深瞳

发布了FOVEACAM，一款面向公安、交通行业的深瞳相机，可以远距离识别人脸。

官网:http://www.deepglint.com/

14北京中科奥森

DeepEyes双目深度学习人脸识别防伪技术。

官网:http://www.authenmetric.com/

15深圳平安科技

人脸识别技术已经应用于50+终端应用中的远程开户、卡绑定、账户登录、分期购物、人脸考勤、人脸支付等十几个业务场景中。

16北京海鑫智胜

2010年，以“人脸识别监控报警系统”为核心的上海世博园人脸采集比对系统建设工程竣工；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承包商，支持11亿多人；2016年首钢技师学院考场引进三套鑫身份验证设备，用于石井区事业单位公开招聘考试，让考生刷脸入场。

官网:http://www.biometric.net.cn/

17北京飞搜科技

为企业开发了线上、API、线下SDK几个核心产品线，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、目标/场景识别、色情图片识别等。

官网:http://www.faceall.cn/

18天津柏寒科技

市面上有人脸识别产品，包括GATES、DOORS、INS、ONS等一系列行业解决方案。

官网:http://www.opzoon.com/

19珠海人人智能

发布的人脸识别硬件模块aceos，基于ARM芯片开发，可以轻松嵌入智能相机等各种终端，主要用于证人、人脸比对等安全系统。

官网:http://www.openface.com.cn/

20苏州中德宏泰

“深眼”为识别人和自己提供了一整套技术解决方案，包括人脸识别。

官网:http://www.vdin.com.cn/

21湖南视觉叶巍

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、南京鼓楼医院等官网：http://www.hikvision.com/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、宝德官网：http://www.poya.com.cn/25 北京中科视拓

以人脸识别和深度学习为核心，为政府、企业和商业客户提供计算机视觉和机器学习领域的各种专业技术服务和软硬件集成解决方案，帮助各行业客户获得人工智能时代自主迭代和自主学习的人工智能创新和应用能力。

官网:http://www.seetatech.com/

26神思电子

智能城市中物联网产品和服务的全球领先提供商。公司自1997年成立以来，长期致力于基于物联网架构的感知、连接、平台层相关产品和技术的研发，专注于智慧城市和垂直行业两大市场，专注于安全城市、车联网、公安信息化、铁路安全、金融安全等领域。

官网:http://www.gosuncn.com/

28简言

是通过深度学习框架构建新一代人脸识别技术的科技创新公司。拥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有独到的创新。根据不同业务场景下人脸识别的需求，为广大企业用户和合作伙伴提供行业领先的视觉身份认证技术和整体解决方案。致力于打造新一代计算机视觉理解和人工智能引擎，让计算机等智能硬件能够理解我们的世界。

官网:http://www.colorreco.com/

29进士科技

是一家专注于计算机视觉研究的科技创新公司。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，致力于通过原始图像识别算法和大数据处理技术，为传统银行、互联网金融、保险、证券等金融机构提供实名认证、文本信息识别、基础数据查询、用户画像和反欺诈等自动化解决方案，帮助金融客户创造更安全、更高效、更智能的服务体验。

官网:https://www.linkface.cn/

30湖南袁俊科技

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，专注于军事和社会公共安全领域，销售自主研发的软硬件产品、软件定制开发、支撑信息系统集成和运维管理服务等。，并提供集成的人工智能解决方案。主要产品:嵌入式人脸识别通道控制系统、证人数据库中的三合一多生物实名认证产品、非感知人脸识别系统、异常行为身份识别、人脸识别SDK销售以及根据用户具体需求的二次开发服务。

官网:http://www.hnfar.com/

在知乎问题中“人脸识别哪一个强？”，作者@MaxSam提供了一个高票答案，从从业者的角度详细解释了这个行业:

本人从事人脸识别相关工作。这波人工智能投资正在蓬勃发展。很多人脸识别公司恨不得马上往脸上抹几吨金。一个朋友说了一件很有意思的事。：

一般来说外行觉得很科幻，内行觉得很绝望。行业领导和领导打鸡血的方式多种多样。

大部分AI公司都在烧钱，未来的不确定性很大。看看百度的自动驾驶系统和谷歌的图像识别系统的开放，可以预测免费是未来的大趋势，已经投入了数百亿美元。但资本投资，一定要媒体喊，否则不退。

人脸识别作为一种模块化技术，很少独立应用，大多只是对现有的业务软件系统进行增强，比如客户人脸验证、人脸检索、类似的人脸推荐。然而，由于利润太少，需求不强，大量公司在这个过程中死亡。

目前相关的工业公司都在已知的主要商业模式中进行实践，但是四种商业模式，即卖货、卖牌照、卖服务、实现后台流量，都没有见到。作为业内人士，所谓绝望无非是以下几点:

1.算法再好，也不过是个调料。最终的出路是实现最终产品，通过业务层叠加开发形成产品和解决方案。更多时候是解决方案服务商，更像过去的传统软件厂商，规模难以爆发。

2.使用门槛和成本都很低。目前市场上终端算法部署的低端产品授权是500元/台，市场竞争的结果是低价倾销。

目前人脸识别被用于各种噱头立项、申请分资。一个公司靠这个获得国家各种科技补贴。真正赚钱的公司都是中间商，但没有一家是有面子的。至于未来会不会有新的商业模式，暂时无法推断。

主要问题比较宽泛，人脸识别技术的测量维度太多，但是从技术比较来看，比如图像比较水平的1:1，1:N，N:N；测量标准和尺寸不同。比如在算法准确率方面，国内外大部分人脸识别技术都是在OPENCV等开源数据库上增加新的规则，公司之间识别准确率的差异也只是在小数点处，99.6%-99.7%的提升意义不大。如果是世界级的对LFW称王称霸，会被专家嘲笑。

衡量人脸识别算法能力的指标有几个:拒识率、误识率、通过率、准确率。

先看人脸识别的基本流程:

人脸识别最困难的部分是有一个完全适应各种光照环境的人脸预处理算法，需要在各种复杂的光照环境下提取人脸信息。特别是在移动互联网时代，相机可以在斑驳的树下、昏暗的路灯下、深夜的出租车上拍照，极大的考验了算法的鲁棒性。同时要考虑照片视频造假、二次成像光污染等问题。

先说目前人脸识别的常见问题。

1.1人脸识别算法主要用于认证

1.1人脸识别技术主要利用图像处理技术从图像中提取人像特征点，利用生物统计学原理分析建立数学模型，即人脸特征点模型。然后从人脸特征点模型和人的人脸图像进行特征分析，根据分析结果给出一个相似值，通过这个相似值可以确定是否是同一个人。简单来说就是对比A/B照片产生的计算值是否符合要求。

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。

所以没有阈值描述的算法是流氓的。

1: 1主要用于快速人脸识别比对，作为一种新的身份确认方式，如候选人身份确认、公司考勤确认、各种身份照片、自我确认等。因为这些照片来源不一定有权威统一的接口调用，所以从来没有用过。目前市场上比较货源主要有三种方式:

1.用户自传体照片，比如支付宝的人脸比对，最大的问题是照片质量合格率太低，光线、拍照角度等因素会导致采集源质量下降，不利于后期海量人脸特征码的管理。

2.用身份证阅读器读取身份证上的照片。可惜这张照片质量极差，2K大小。很多照片上的人脸质量其实很差，但也是目前最常用的方式，比较适合签到场合。

3.使用公安部下属NCIIC的人脸比对界面，使用直接人脸比对界面。目前，只有少数人有权调用这个库。在人脸识别公司，好像只有一家在提供，这里就不提了。BAT应该还没有连接。有什么新发现可以补充。

其实解决对比来源问题的关键是要有权威的照片资料来对比。很多公司刚开始拍NCIIC身份证返回界面的照片进行去筛选处理。而人脸很多特征点被破坏的成功率只有60%左右。，分分钟就吃完了。但是如果可以用手机，为什么要刷脸呢？不是没必要吗？

另外还有一些高级会所，希望实现VIP报警服务，可以在下面的1: N和N:人脸识别算法系统中看到。但是哪个比1: 1身份申请好呢？

比如远程的互联网客户，如何确认身份？

网上买机票和机票，医院挂号，政府惠民工程，各种证券开户，电信开户，互联网金融开户都会用到。以前的身份认证方式非常不合适，这些资料极易被盗转卖。下图是百度图片搜索结果截图，近期部分女大学生裸照数据泄露，造成很多漏洞供不法分子利用。黑客军团声称数据2000万，分分钟干个金融平台没问题:

人脸识别的裂缝；

很多金融公司喜欢把人脸识别SDK模块嵌入到APP中，但是这样太容易绕过了，所以会加活检测，但是即使加活检测也是可以绕过的。例如，以下两种方式:

1.3D人脸模拟遮罩

2.人脸模型的实时重建

所谓路高，就是比魔高一尺。这是添加其他多维验证来确认身份。否则，有人进行远程攻击并不是很难。那么，哪一个最好呢？

1:N人脸识别算法主要用于人脸检索

和1: 1的A/B照片相比，最大的区别是A/B A/C A/D …倍数1: 1计算。最大的问题是，一旦BCD总数变大，计算速度就会变慢，如果总数超过20万，就会出现多个相似的结果，需要人工辅助定位。我们过去在电影里看到的就是天网识别系统只是一个理想状态。在实际应用中，会安排很多结果，第一个不一定是需要的人。

1: n人脸识别算法主要用于筛选犯罪嫌疑人，搜索整个失踪人员数据库，反复筛选一人多证，以相似度列出相应结果，可以大大提高筛选效率。类似的也可以用在走失孩子的项目上。

这种系统的部署需要两个条件:

1.BCD基础数据库

2.强大的算法硬件

1: n同时操作为n: n，同时对应多张照片的检索要求，检索时间与硬件算法有很大关系。哪个公司在这个领域更强？

N:N人脸识别算法主要用于实时多1: n检索计算；

N: n这个算法其实是基于1: n算法，输入多解结果。比如视频流的帧处理对服务器的计算环境有严格的要求，目前算法系统支持的输出速率非常有限。

主要限制如下:

海量人脸照片分析需要大量计算

海量人脸照片传输需要很大的带宽

在后台检索大量人脸照片需要大量计算

由此可见，要真正实现天网人脸检索，首先要解决上亿摄像头的图像处理问题，其次要解决联合库中的超计算检索问题，这是一般公司无法做到的。在一些社区和高层场所，VIP客户的识别和接待更喜欢这种视频验证方式。但是在实际部署中，用户会遇到摄像头位置和角度的问题，以及多人同时进入的问题，人脸数据库会非常有限。否则计算时间长，体验极差。有些所谓的迎宾机通常只有几个人的照片，实用价值会大打折扣。毕竟戴墨镜戴帽子是认不出来的。毕竟关键特征的采样是有限的。谁更擅长这个？

照片和实时应用的人脸图像叠加

国内很多娱乐应用都是跟踪处理人像图层的，这也是一个很好的技术切入点。但是产品安装包会比较大，我们现在做的只是跟踪技术，属于底层识别。如果比较复杂，需要通过云服务来实现，但是服务器算法解析速度和带宽很难跟上，不是一个可靠的商业模式。

人脸识别技术的发展方向；

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

大规模人脸比较:人脸比较和海量数据搜索

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

在视频级别N:N的验证中，如果要提高通过率，往往采用降低准确率、减少算法队列数量的方法；还有，在一些比赛中，为了降低误识率，大大提高准确率，算法在验证过程中必须遵循至少一个固定的标准，追求速度效率或者最高的准确率。

人脸识别算法的应用:分类派系；

人脸识别对应的解决方向:

个人认为人脸识别在未来会让大部分数据更加真实，可以通过社会工程模板做大量的分析和改进。比如最近有科学家用人脸识别来分析一些人的健康、清晰度甚至犯罪倾向。也许在未来，我们可以结合大数据对我们传统的人脸分析技术进行全新的升级，然后算命先生就失业了。更多的无人机生成的机器人互动、摄像头目标锁定分析等科幻图像也不远了。

算法核心研发之争；

基本上国内每个公司都会说它的算法好。其实有多少算法是有面核的？到目前为止，国内完全从事算法研究的总工程师总数不到100人，但现在已经没有问题了。中科院计算技术研究所的山教授开辟了新的来源，没有基础的公司也不用太辛苦，从零开始升级基于OPENCV的算法。我相信谷歌微软很快就会发布新的算法。现在算法基本都在98%以上，所以差距不重要，算法核心不核心，问题不大。不用太担心。从产品到应用阶段，光靠算法是不够的，还要考虑实际使用。

目前做人脸识别的公司很多，集成应用也有几百家。在国内看百度，融资，各种报道都差不多，但是认真做事的公司太少了。中国的腾讯和阿里都在做。国内公司夸夸其谈，强行概念太多，就不说话了。

1、美国Identix公司

2.美国生物密码公司

3.德国科宁泰克系统公司

4.西班牙赫塔安保公司

5.日本电气公司

6.日本软智公司

以上都是老牌人脸识别公司。美国Identix公司从事多模式认证，而Bioscrypt公司早期从指纹识别考勤起步，在政府市场占有较大份额。德国Cognitec公司主要作为政府项目的人脸识别系统，NEC公司主要作为机器人视觉识别系统。西班牙赫塔公司是一家学术性很强的公司。此外，还有一些以色列公司的技术。这些公司几乎都是做政府安全项目的，但一般规模都不大，利润和投资也很少报告。Facebook公司进入这个领域主要是为了人群分类和应用优化，项目都是对公司原有业务的补充。

所以在这个问题的最后，我只能说:

如果非要问哪个人脸识别能力强，

还不如问哪个公司在吹牛。

未来的竞争现在不在这些战场。

Reebs的话:如果鬼混的人少了，大家就可以专心做事了。