哪位大神给吹吹002273水晶光电

从指纹识别到虹膜识别，生物识别逐步进入消费电子产品终端，全球生物识别市场预计2020年将达250亿美元，其中目前增速最快的为脸部识别，在应用场景不断增加的情况下，我们判断脸部识别极有可能是下一个消费终端创新的大方向！

脸部识别从去年开始广泛出现应用，金融相关安全领域是应用渗透最快的，这点和指纹识别相似。伴随互联网 金融的发展，脸部识别会成为“基建”需求。智能手机虽然增速下滑，但是依然没有另一个新市场有每年超过10亿台的容量，在目前智能手机创新遭遇瓶颈，产品趋于同质化的背景下，脸部识别增强产品差异化，将成为新的创新点与趋势。
从苹果 、三星、华为、Facebook、谷歌 、华为的多项专利可以发现，各大终端巨头纷纷布局脸部识别技术。其中，苹果在手机端的布局最为明显。先后收购Polar Rose，Prime Sense，Perceptio，Faceshift，Emotient，Turi等脸部识别相关技术公司。在15年获得脸部识别解锁设备的专利，特意保护红外传感器的使用，符合脸部识别的需求。
脸部识别产业链主要分为商业系统、主流软件、算法等，终端设备的集成化应用需要整套解决方案，大厂商在这方面具有优势，我们更关注相关硬件产业链变化机会。传统的脸部识别技术主要基于可见光图像的脸部识别，但这种方式有着难以克服的缺陷，近红外脸部识别系统能够彻底解决环境光照影响问题。
技术上红外LED窄带滤光片有望成为核心因素。目前有些方案采用隔离可见光透过红外光的红外玻璃作为滤光片，然而普通的红外玻璃只是隔离了可见光和紫外光，并没有隔离干扰光中处于红外波段的部分。因此想得到良好的抗干扰效果，必须采用窄带滤光片。
从近期摄像头与AR的发展看，国内的光学公司成为主力供应商，反应国内的光学实力足够消费电子及特殊显示的需求，窄带滤光模组预计国际大客户仍会采用国内供应商。
我们长期看好光学行业，光学革命在即，产业价值量将是模组中最高之一！AR、双射、脸部识别，根本的核心技术在光学！产业链重点推荐具有窄带滤光技术的水晶光电，关注联创电子 、欧菲光 、福晶科技 、利达光电 等。风险提示：行业发展不达预期
1. 脸部识别应用催化，落地进入实质验证期
1.1. 生物识别多样化，技术比较意义不大
从指纹识别到虹膜识别，生物识别被更多的消费电子厂商采用，大家对于技术的探讨进入白热化，但其实技术的比较意义不大，市场才能说明一切。根据前瞻产业研究院统计，2007年至 2013年六年期间，生物识别技术的全球市场规模年均增速为 21.7%，这在全球大部分行业增长率不到5%的对比下实属罕见。2015年生物识别技术全球市场规模将达到130亿美元，2020年将达到250亿美元，5年内年均增速约14%。自2015年到2020年，各细分行业市场规模增幅分别为：指纹 (73.3%) 、语音 (100%) 、人脸 (166.6%) 、虹膜 (100%) 、其他 (140%) 。众多生物识别技术中人脸识别在增幅上居于首位，预计到 2020 年人脸识别技术市场规模将上升至24亿美元。我们预计在智能终端渗透脸部识别的情况下，市场规模可能大超预期。
查看原图五大生物识别各有特点，但是从市场占有率看，指纹识别之后最可能脱颖而出的预计是脸部识别。从技术上分析哪种技术更好可能很难，但是从增速上看脸部识别的渗透率急剧上升，人脸识别在所有的生物识别中增速最快，我们预计如果终端消费电子厂商大量采用脸部识别，两年内预计能够接近指纹识别的市场占比。商业角度看，支付宝、券商、银行为主的金融服务机构已经在去年开始大量采用脸部识别开户、转账、付款等，以招商银行 为例，脸部识别能够实现手机端超过50万的转账，可见对于其安全性的认同。
1. 指纹识别是目前应用最为广泛的生物识别技术，技术成熟且成本低廉，广泛应用于考勤、门禁等身份识别。但容易复制，且指纹磨损后影响识别精度。
2. 虹膜识别利用人眼图像中虹膜区域的特征（环状物、皱纹、斑点、冠状物）形成特征模板，通过比较特征参数完成识别。该方法识别精度高、不易仿造但相关设备价格昂贵。
3. 语音识别通过分析语音的惟一特性进行身份验证，其设备距离范围大、安装简易，但识别准确度低，可能被录音欺骗，且易受背景噪声、身体状况、情绪等因素影响。
4. 签名识别是基于行为特征的生物识别技术，通过分析笔迹、压力、书写速度进行身份验证。但签名可仿造性高，且签名工具、情绪等均可对签名识别造成干扰。
5. 脸部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，人类也通过观察比较人脸、声音等信息对其他个体进行区分和确认。因此，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，利用可见光即可获取人脸图像信息，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，在采集过程中身份信息即有可能被仿造。
查看原图1.2. 应用场景逐步出现，脸部识别悄然上升
脸部识别其实从去年开始广泛出现应用，经过两年的蜕变，将进入真正的快速渗透周期。从应用层面看，金融相关安全领域是应用渗透最快的，这点和指纹识别相似。从去年至今，我们可以举例多家机构在脸部识别方面的应用。2015年3月15日，在德国汉诺威国际信息及通信技术博览会开幕式上，阿里巴巴 集团董事局主席马云展示了SmiletoPay扫脸技术，利用“刷脸支付”从淘宝网上购买了1948年汉诺威纪念邮票。腾讯紧随其后，在4月腾讯财付通与中国公安部所属的全国公民身份证号码查询服务中心达成人像比对服务的战略合作。2015年10月15日，招商银行15日宣布推出“ATM刷脸取款”业务，人脸识别技术在柜面和VTM做辅助应用之后，招行将“刷脸”应用到ATM渠道。此外脸部识别也已经渗透银联、京东 钱包等重要客户。
查看原图脸部识别进入金融领域说明安全性不需要担心，伴随互联网金融 的发展，脸部识别会成为“基建”需求。以腾讯为例，之所以成为公安部的合作伙伴，主要就在于识别的准确率。腾讯旗下承担“人脸识别”技术研发的优图团队，2014年在世界权威人脸检测评测集FDDB上达到世界第一水平，人脸识别LFW数据集准确率超过了99.5%。在实际业务产品社交网络图像上的准确率高达99%，对于身份证照片准确率甚至超过了99.9%。
鉴权是金融业风险控制最必不可少的基础环节，常用的鉴权因素主要有三种：所知（”things only the user knows”）,比如密码；所有（”things only the user has”）,比如银行卡；所是（“things only the user is”）,比如生物特征。一般来说鉴权都需要双因素认证，比如银行卡和密码的同时使用。
查看原图用认证介质的方式并不是最高级别的认证，处于风控的需要，银行需要设定有效期，有效期过后便需要通过“所是”的因素进行一次验证，同时密码类“所知认证”也有因泄露而发生转移的可能性，而生物特征识别所代表的“所是”鉴权是用户所独有的，无法发生转移，所以生物识别鉴权具有最高的安全性。从现在发展来看，银行验证介质的发放可以通过远程柜员机（VTM）由身份证联网核查+用户人脸识别（人工或机器）的方式实现双因素验证，办理速度更加快捷，而且人脸识别的准确度目前已经能够做到高于人眼。同样，对于数字证书的办理，“所是”层级的验证是不可或缺的。人脸识别技术能帮助实现“所是”层级的验证，这就是人脸识别在网上开户中的作用，对于银行、券商等在网上办理业务具有重大的意义。
查看原图脸部识别的应用场景不断增加，从国家安全、人机交互、身份验证看，整体的生态圈正在建立。无论是在国家安全、军事安全和公共安全领域，还是在民事和经济、家庭娱乐等领域，人脸识别都具有重要的应用前景和实用价值，随着科学技术的发展和人脸识别技术的深入，人脸识别的应用将渗入到越来越多领域。

查看原图1.3. 手机可能是下一站
智能手机虽然增速下滑，但是依然没有另一个新市场有每年超过10亿台的容量，从指纹到虹膜可以看到生物识别在智能手机中的采用进入常态，我们预计脸部识别将是智能手机的下一个最重要的创新趋势之一！三星大胆使用虹膜识别，一味的模仿可能会失去客户，苹果是不是可能弯道超车？苹果（Apple）于2011年推出搭载Siri语音识别功能的iPhone 4S，之后于2013年发布苹果系列首款指纹识别功能手机iPhone 5s，并引发追随，大量手机厂商开始搭载指纹识别技术；三星（Samsung）于2016年发布首款搭载虹膜识别手机Samsung Note 7。至此，应用于智能手机终端的生物特征识别技术趋于多元化，应用覆盖面进一步扩大。在此背景下，脸部识别由于其识别原理类比于人类识别同类个体的方法，因此相比指纹识别更具自然性。因此我们认为，在目前智能手机创新遭遇瓶颈，产品趋于同质化的背景下，脸部识别技术增强了智能手机的产品差异化，将成为新的创新点与趋势。
查看原图三星的虹膜解锁虽然飞快，但是仍然存在一些问题，脸部识别能够给予补充的解决方案。虹膜识别注册的时候必须摘掉眼镜或隐形眼镜，同时要在室内进行，避免阳光直射。而在解锁设备或者验证身份的时候，如果戴着眼镜(包括隐形眼镜)，可能会导致虹膜识别失败。使用中必须保持眼睛和手机8英寸(20厘米)或者25-35厘米的距离，不能对婴儿使用。
查看原图2. 终端厂商定义未来创新，指纹火爆的下一站是脸部识别
2.1. 终端厂商积累多年，进入兑现期
任何的技术创新都能在专利和收购中提前知晓，脸部识别进入智能终端这不仅仅是一种猜测，业界巨头已经长期积极布局脸部识别。
1、苹果公司先后收购Polar Rose，Prime Sense，Perceptio，Faceshift，Emotient，Turi等脸部识别相关技术公司；
2、三星公司于2010年12月29日申请脸部识别设备、算法及机器可读媒体专利；于2004年6月19日申请图像识别特征提取的设备及算法专利；
3、华为公司申请至少10项脸部识别相关专利，如，确定人脸图像中人脸的身份标识的方法、装置和终端；
4、谷歌公司（Google）先后收购脸部识别系统公司PittPatt和Viewdle后，截止2016年6月共申请21项脸部识别相关专利；
5、Facebook收购Tel Aviv后已于2014年上线脸部识别软件DeepFace；
6、亚马逊 （Amazon）、微软 （Microsoft）亦分别申请7项及6项脸部识别专利。
苹果最早于2010年开始涉及脸部识别领域，特别是近期收购人工智能 和机器学的脸部扫描企业。在2010年9月收购瑞典算法公司Polar Rose，在2013年收购Prime Sense，自2015年9月及11月收购机器学与图像识别公司Perceptio，以及动作捕捉公司Faceshift之后，苹果公司于2016年1月、8月又分别收购Emotient、Turi两家公司。Emotient为脸部识别系统公司，Turi为机器学公司。
查看原图谷歌公司（Google）于2011年7月、2012年10月先后收购脸部识别系统公司PittPatt和乌克兰脸部识别公司Viewdle，截止2016年6月已申请21项脸部识别相关专利。
查看原图Facebook公司于2012年6月收购以色列脸部识别平台公司Tel Aviv，并申请了两项有关在线社交媒体图片标签建议（Tag suggestions for images on online social networks）的专利。于2014年开发出深度脸部识别学系统DeepFace.
三星公司于2010年12月29日申请脸部识别设备、算法及机器可读媒体专利；于2004年6月19日申请图像识别特征提取的设备及算法专利。
查看原图2.2. 跟随不是最好的商业策略，预计技术弯道超车
三星大胆使用虹膜识别，一味的模仿可能会失去客户，苹果是不是可能弯道超车？苹果（Apple）于2011年推出搭载Siri语音识别功能的iPhone 4S，之后于2013年发布苹果系列首款指纹识别功能手机iPhone 5s，并引发追随，大量手机厂商开始搭载指纹识别技术；三星（Samsung）于2016年发布首款搭载虹膜识别手机Samsung Note 7。至此，应用于智能手机终端的生物特征识别技术趋于多元化，应用覆盖面进一步扩大。在此背景下，脸部识别由于其识别原理类比于人类识别同类个体的方法，因此相比指纹识别更具自然性。因此我们认为，在目前智能手机创新遭遇瓶颈，产品趋于同质化的背景下，脸部识别技术增强了智能手机的产品差异化，将成为新的创新点与趋势。
查看原图苹果在15年获得脸部识别解锁设备的专利，根据近期产业链的发展，我们预计将大概率投入使用。专利显示设备通过探测用户面部以解锁或保持解锁状态，该设备可为内置摄像头的智能设备。该设备将包括多个传感器，如探测设备动作的动作传感器11（也叫惯性传感器），动作传感器包括位置、角度、移动传感器，例如加速剂、陀螺仪、光感传感器、红外传感器、近距离传感器、电容式接近传感器、声音传感器、声纳传感器、雷达传感器、图像传感器、视频传感器、GPS探测器、一个反相探测器、一个射频或声学多普勒探测器、一个指南针 、一个磁力计或其他类似传感器。处理器18接收传感信号并控制单个或多个进程。我们注意到专利中特意保护红外传感器的使用，符合脸部识别的需求。
查看原图2.3. 从指纹识别看脸部识别的成长周期
比较指纹识别的发展，我们能够看出，即使脸部识别尚未在智能手机中大量采用，但是大客户的采用预计能够极快提升产品渗透率。指纹识别的智能手机三年内从16台增加到100台，16年的市场容量有望超300亿元。以此为参考，我们预计脸部识别如果大客户使用，渗透率会参照指纹识别的渗透率，而且因为当前应用环境已经接受生物识别，前期的铺垫与使用惯已经养成，我们预计可能2-3年内完成0到100的过程。
查看原图3. 技术优化推动行业发展，未来看好3D建模
3.1. 脸部识别究竟怎么实现
有关人脸识别的研究最早可以追溯到1888年，法国人Sir Franis Galton于1888年和1920年在《NATURE》上发表了两篇关于人脸进行身份识别的论文，使用的是人脸的侧面特征，并对人类自身的人脸识别能力进行了分析和阐述。在1960年左右，自动人脸识别（Automatic Face Recognition， AFR）开始作为一个独立学科迅速发展起来。最早的有关自动人脸识别的文献是Chen和Bledsoe在1965年的报告。按照人脸识别的自动化程度，自动人脸识别研究的发展大致可以分为三个阶段：
第一阶段：1965~1990年，人脸识别初级阶段；
第二阶段：1991~1997年，人脸识别进入人机交互式识别阶段；
第三阶段：1998~当前，人脸识别进入真正的机器识别阶段。
人脸识别主要分为人脸检测和人脸比对两部分。其工作流程为：
1. 图像采集：通过采集传感器(如摄像头)采集人脸图像；
2. 人脸定位及提取：然后对采集到的数据进行处理，去除采集数据中的噪声和环境因素，抽取样本中能够表征个人身份的特征信息；
3. 特征对比：再把这些特征信息与数据库中已有的信息进行对比；
4. 输出结果：最后根据比对的相似程度来判断是否匹配。
查看原图目前人脸识别市场的解决方案主要包括：2D识别、3D识别、热感识别，目前市场上主流的识别方案是采用摄像头的2D方案。2D脸部识别是基于平面图像的识别方法，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。热传感识别技术使用一个三层的BP（back-propagation）前馈神经网作为分类器，在使用热感信息的同时使用不会被发型、呼吸等环境因素影响的关键脸部几何信息，如鼻梁角度、脸颊面积等，以增强识别精度。
查看原图从目前的发展看，主要分为商业系统、主流软件、算法等，我们认为终端设备的集成化应用需要整套解决方案，大厂商在这方面具有优势。脸部识别的组件部分主要涉及：软件部分为数据库、算法；硬件部分为摄像头模块、集成设备、传感器、芯片、IC、硬件接口电路、液晶显示屏、存储器等；以及，整合软硬件厂商的系统服务商。其中算法为产业链核心环节，同时也是技术壁垒最高的环节。从目前国内设计脸部识别的公司看，主要还是提供摄像头算法等，硬件的价值可能被忽视。
查看原图查看原图3.2. 技术上红外LED窄带滤波有望成为核心要素
传统的脸部识别技术主要基于可见光图像的脸部识别，但这种方式有着难以克服的缺陷，近红外脸部识别系统能够彻底解决环境光照影响问题。传统可将识别在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。比如，拍照时遇到侧光时出现的“阴阳脸”现象，就可能无法正确识别。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但目前这两种技术还远不成熟，识别效果不尽人意。基于近红外图像的人脸识别核心技术和系统，在不同光线条件下，能够拍摄不受环境光照变化影响的近红外人脸图像，加上领先的算法，能够取得很高的识别率。
查看原图近红外人脸识别包括两部分：主动近红外人脸成像设备和相应的光照无关人脸识别算法。使用强度高于环境光线的主动近红外光源成像，配合相应波段的光学滤片，可以得到环境无关的人脸图像，人脸图像只会随着人与摄像头的距离变化而单调变化。在此图像上采用一些特定的特征提取方式，如：局部二元模式（Local Binary Pattern，LBP）特征，可以进一步消除图像的单调变化，得到完全光照无关的特征表达。近年来，近红外人脸识别在实际生活中已经有了诸多应用，如：“深圳－香港生物护照自助通关系统”，“澳门－珠海生物护照自助通关系统”，“北京机场T3航站楼自助通关系统”等，均取得了很好的效果。
查看原图主动近红外人脸成像设备能为人脸识别提供不受环境光影响的、高质量的人脸图像，所谓的高质量包括：图像亮度合适、均匀、对比度合适、不存在过度曝光等。主动近红外人脸成像设备一般包括如下单元：
在相应波段强度高于环境光的主动近红外光源，一般为高功率850nm和940nm红外LED；
能够接收近红外光的摄像头，通常为CCD图像传感器。CCD具有体积小、重量轻、失真度小、功耗低、可低压驱动、抗冲击、抗振动、抗电磁干扰强的优点，因此被广泛应用于各种图像采集系统。在人脸识别系统中的CCD基本上是硅衬底的，其光谱响应范围为400nm~1100nm，该范围也就是窄带滤光片要考虑的光谱范围；
窄带滤光片，置于摄像头镜头外，允许近红外光通过的同时过滤环境光。主要用来隔离干扰光，透过信号光，充分突显有用信息，减小干扰信息，为后续的图像处理和识别奠定基础。
技术上红外LED窄带滤光片有望成为核心因素。目前有些方案采用隔离可见光透过红外光的红外玻璃作为滤光片，然而普通的红外玻璃只是隔离了可见光和紫外光，并没有隔离干扰光中处于红外波段的部分。因此想得到良好的抗干扰效果，必须采用窄带滤光片。
查看原图窄带滤光片的选取需要考虑多个光学指标，包括带宽、中心波长、截止波长、截止深度、峰值透过率、产品厚度等等。从近期摄像头与AR的发展看，国内的光学公司成为主力供应商，反应国内的光学实力足够消费电子及特殊显示的需求，窄带滤光模组预计国际大客户仍会采用国内供应商。