大数据时代的崛起，推动了人脸识别的热潮。从2014年逐步开始应用到目前“刷脸”时代的来临。人脸识别的应用领域逐步扩散。本文将带您了解人脸识别兴起领域的应用方案，探寻人脸识别技术的未来。

一、人脸识别的行业现状

随着人工智能行业的产业化发展的井喷，人脸识别行业热点频频，市场规模逐步扩大，目前估算我国人脸识别市场规模约占全球市场的10%左右。2010-2016年，我国人脸识别市场规模逐年增长，年均复合增长率达27%。2016年，我国人脸识别行业市场规模约为17.25亿元，同比增长27.97%，到2021年人脸识别市场规模将达到53亿元左右。

同时国内人脸识别行业中企业数量不多，且各自应用不同细分领域，竞争压力小，人脸识别的热潮还将继续。下面分享一些应用案例帮助大家进一步了解人脸识别。

二、人脸识别的行业应用

虽然市面上的人脸识别解决方案越来越多，但系统框架基本没有变化，如下图所示。

1、高铁与地铁的人证一致检测应用案例

“刷脸”进站已经不是个新鲜事了，目前各地的铁路已经逐步开通人脸识别验票系统，以减少人工成本，同时提高安全性，减少进站时间。

人脸识别技术采用人脸检测、跟踪、人脸识别、二代身份证验证及多功能检测等技术，对人员进行实时人脸识别分析和报警，以刷身份证件加上人脸验证模式，实现人员智能身份验证，保证“人”“证”的一致性确认。首先，将现场采集的人脸特征与身份证件人脸特征进行1:1比对，确认人、证都验证通过才会开启通道。在人员使用设备时，如果出现操作不当，系统同时会根据算法判断，进行相应的语音和视频提示，从而提高通道人员出入操作的易用性。同时在高铁的人脸识别系统中会进行防尾随跟踪功能的设计，通过红外检测技术，实时监控通道，判断是否有人员尾随跟进，保证非验证人员通过。

2、人脸识别考勤机

人脸识别考勤机是一种新型的存储类考勤机，事先只需采集员工的面像，并建立档案，当员工上下班站在人脸识别考勤机的识别区域内，考勤机上就会快速的记录考勤状况并保存记录。

人脸识别考勤机是采用人脸识别技术（融合了计算机图像处理技术与生物统计学原理于一体），利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析并建立人脸特征模板。当已登记的人员从人脸识别机前走过，它会有语音提示“你好”或者人员的姓名表示考勤已成功。而且，具备图像更新功能，若将正采取的图像作为第一人脸，存储的为第二人脸，如果第一人脸图像与第二人脸图像相一致，人脸识别考勤机将自动储存第一人脸图像来更新该第二人脸图像。该法可保持用户脸部图像的更新，降低了脸部外形改变对识别的影响，增加了识别的准确率。

ZLG立功科技·致远电子A7人脸识别方案

致远电子紧跟行业发展，针对门禁考勤身份认证等推出人脸识别的技术方案，对人脸检测、人脸定位、人脸校准、人脸比对、人脸反欺诈以及算法优化等技术细节逐个解析，目前ZLG的人脸识别算法已成功移植到了cortex-a7的EPC-6Y2C-L平台，且还能根据实际应用做进一步的优化。同时为帮助用户进行开发，ZLG同时可以提供人脸识别算法库以及稳定的硬件平台帮助客户快速完成开发。