人臉識別產品已廣泛應用於金融、司法、軍隊、公安、邊檢、政府、航天、電力、工廠、教育、醫療及眾多企事業單位等領域。隨著技術的進一步成熟和社會認同度的提高，人臉識別技術將應用在更多的領域。而這個行業湧現出了像北京曠視科技、北京商湯科技等一批優秀的企業。
百度內部正在使用人臉識別閘機，2016年11月與烏鎮景區合作，遊客刷臉便可自由進出景區；與首都機場籤訂協議，未來首都機場將實現刷臉登機；與「寶貝回家」公益平臺合作利用人臉識別尋找走失兒童；攜手雨諾股份CRM系統，通過服務集成商Cella聯合為醫藥零售行業輸出智慧藥房解決方案，目前已應用在先聲再康連鎖藥店。
官網：https://www.baidu.com/
人臉識別技術各模塊可通過API參數自由組合，服務定製靈活；基於深度學習和海量人臉標註數據，再加阿里雲的技術實力，能夠提供穩定、可靠的大流量服務；有了人臉識別，可以高效率、高準確率排查未經明星允許而使用其代言的商品，反過來保障阿里媽媽直通車和鑽展中明星代言商品的廣告效果
官網：http://www.alibaba.com/
財付通與公安部所屬的全國公民身份證號查詢中心達成人像比對服務戰略合作；優圖人臉識別技術將廣泛引用EMS的政務、貴重物品和重要文書快遞中；在騰訊微證券等產品上應用人臉識別
官網：http://www.qq.com/
2D人臉識別產品已推向市場，3D人臉採集和識別產品主要處於工程樣機和產品樣機階段，主要應用領域是公共安全領域，2D在北京師範大學和四川大學的學生宿舍產品樣機系統中應用，鐵路認證票查驗中在試用，已在成都火車站試用。
官網：http://www.wisesoft.com.cn/
「閱客」是軟體一體華的客群分析終端，「閱鄰」是提供軟硬體一體化智能門禁及刷臉認證解決方案。
官網：https://www.readsense.cn/
除門禁外，手機等生活化場景外，還應用到獵豹移動旗下的直播產品Live.me中包括後臺技術檢測識別情色信息，識別官網LOGO進行廣告檢測，能過性別，類型等標籤對主播進行分類，實現動態的人臉貼圖等個性化功能。
官網：http://www.ainirobot.com/
發布面向公安，交通行業的深瞳人眼攝像機FOVEACAM,可以在遠距離內識別人臉。
官網：http://www.deepglint.com/
DeepEyes 雙目深度學習人臉識別防偽技術。
官網：http://www.authenmetric.com/
人臉識別技術已應用10多個場景，如接入遠程開戶，綁卡核身，帳戶登錄，分期購物、人臉考勤、人臉支付等數十種業務場景的50+終端應用中。
2010年以「人臉識別監控報警系統」為核心完成了上海世博會園區人臉採集與比對系統建設項目；2012年成為全國公民身份證號碼查詢服務中心人像比對認證系統的承建商，支持庫容超過11億人；2016年為石景區事業單位公開招聘考試首鋼技師學院考場引進了3臺鑫身份核驗設備，實現了考生刷臉進場。
官網：http://www.biometric.net.cn/
已開發出面向企業的多個在線，API、離線SDK的核心產品線，包括人臉檢測、人臉特徵點定位 ，人臉識別，名人識別，人臉屬性識別和目標/場景識別、色情圖片識別等。
官網：http://www.faceall.cn/
人臉識別產品上市 ，推出門禁（GATES）、識別終端（DOORS）、閘楊（INS）、桌面終端（ONS）等產品及一系列行業解決方案。
官網：http://www.opzoon.com/
發布人臉識別硬體模組，aceos,基於ARM晶片研發，可輕鬆嵌入到智能攝像頭等各種終端上面，主要應用於人證，人臉對比等安防領域系統。
官網：http://www.openface.com.cn/
「深眸」提供包括人臉識別在內的一整套人你識別技術方案。
官網：http://www.vdin.com.cn/
以人臉識別和深度學習為核心，為政企商客戶提供計算機視覺與機器學習領域的各項專業技術服務、軟硬體一體化解決方案，助力各行業客戶在人工智慧時代獲得自主迭代和自我學習的人工智能創新和應用能力。
官網：http://www.seetatech.com/
國內領先的身份識別解決方案的提供商和服務商，正在實施「從行業深耕到行業貫通、從身份識別到智能認知」升級戰略，繼續在身份識別相關領域提供具備人工智慧特徵的行業解決方案一站式服務。
官網：http://www.sdses.com/
全球領先的智慧城市物聯網產品與服務提供商。自1997年公司成立起，長期致力於研發基於物聯網架構的感知、連接、平臺層相關產品和技術，以物聯網技術為核心，聚焦智慧城市、垂直行業兩大市場，圍繞平安城市、車聯網、公安信息化、鐵路安全、金融安全等領域深耕。
官網：http://www.gosuncn.com/
是一家通過深度學習框架打造新一代人臉識別技術的科技創新公司，具有完全自主智慧財產權的核心技術，在人臉檢測、人臉識別、人臉屬性檢測、活體檢測、人臉搜索等多個領域均有原創性創新。根據不同業務場景下的人臉識別需求，為廣大企業級用戶和合作夥伴提供業界領先的視覺身份認證技術和整體解決方案。致力於打造新一代的計算機視覺理解和人工智慧引擎，讓計算機以及其他智能硬體能看懂我們這個世界。
官網：http://www.colorreco.com/
是一家專注從事計算機視覺研究的科技創新型公司。公司以「重塑金融世界的奇點」為企業願景，以深度學習為技術引擎，結合計算機視覺和大數據分析，致力於通過原創的圖像識別算法與大數據處理技術為傳統銀行、網際網路金融、保險、證券等金融機構提供實名身份驗證、文字信息識別、基礎數據查詢、用戶畫像、反欺詐等自動化解決方案，幫助金融客戶打造更安全、更高效、更智能的服務體驗。
官網：https://www.linkface.cn/
主要從事人臉識別、行為識別、機器人視覺分析與檢測核心算法研究和產品應用開發，以部隊和社會公共安全領域為主要應用方向，銷售自主研發的軟硬體產品、軟體定製開發、配套信息系統集成和運維管理服務等，提供人工智慧一體化整體解決方案。主營產品：嵌入式人臉識別通道控制系統、人證庫3合1多生物識別實名核驗類產品、無感知人臉識別系統、異常行為識別系統，以及人臉識別SDK銷售及根據用戶特定需求做二次開發服務等。
官網：http://www.hnfar.com/
在知乎問題「關於人臉識別哪家強？」下，作者@MaxSam提供了一個高票回答，以一個從事人員的角度詳細解釋了這個行業：
本人從事人臉識別相關工作（2017年底剛剛離開該行業），這一波人工智慧的投資風起來，很多人臉識別公司恨不得馬上往自己臉上貼幾噸金，有個朋友說了一句很有意思的話：
外行一般覺得很科幻，內行一般覺得很絕望，業界領袖和領袖各種打雞血。
大部分AI公司都在燒錢階段，未來變現有很大的不確定性。看看百度自動駕駛的系統和google圖像識別系統的開放可以預知未來免費是大趨勢，那可是曾經投入數百億美元。但是資本投進來，必須拉著媒體一起吆喝，不然本都回不了（進入AI行業才知道很多資本方原來什麼也不懂亂投）。
人臉識別作為一項模塊技術很少有獨立應用（獨立的業務層設計），大部分只是為已有的業務軟體體系上做增強，比如客戶人臉校驗（在過去密碼基礎上增加一層），人臉檢索（比人工高效，攝像頭結果過濾），相似人臉推薦（比如婚介社交，整容設計），不過這個過程中已經死掉大量公司，因為利潤太少，非強需求。
目前相關產業公司在已知的主要商業模式中都在實踐，但賣貨，賣授權，賣服務，後臺流量變現這四大商業模式中，都沒有看到一個公司有。作為行業中人，所謂的絕望無非如下：
1、算法再好，也只是調味料，最終出路還是做到最終產品中，通過業務層疊加開發，形成產品和方案，更多時候是一個方案服務商，更像過去傳統軟體商，規模難有爆發。
2、使用門檻、成本很低，目前市場上終端算法部署比較低端的產品授權就500元/套（1：1的遠程接口調用所使用的前端授權），市場競爭的結果就是低價傾銷。
人臉識別目前就是為了各種噱頭立項、經費申請瓜分用的，有個公司靠這個拿國家各種科技補貼。真正賺錢都是那些中間商公司，人臉識別一家都沒有。至於未來有沒有新商業模式出現，暫且無法推斷。
題主問題比較寬泛（到底是盈利強，還是算法強，還是應用強？），人臉識別技術的衡量維度太多，但從技術比較，比如圖像比對級的1:1，1:N，N:N；衡量的標準和維度都不同。比如算法精確度上，國內國外的人臉識別技術大多數在開源OPENCV等開源庫上進行新規則添加（深度學習進行疊層運算），公司之間的識別正確率差異僅僅在小數點上，99.6%-99.7%提升意義不大，如果說在LFW上稱王稱霸就是世界一流，就要被內行笑話了。
衡量人臉識別的算法能力幾個指標：拒識率、誤識率、通過率，準確率。
先看看人臉識別的基本流程：
人臉識別最難的部分是有充分適應各大光線環境的人臉預處理算法，需要在各種複雜的光線環境中提取到人臉信息，特別是移動網際網路時代，攝像頭拍照的地方可以在斑駁的樹影下，也可以在昏暗的街燈下，以及深夜計程車內，這對算法的魯棒性考驗極大。同時還要考慮照片和視頻欺詐，二次成像的光線汙染等問題。
下面說一下目前人臉識別的常見問題（不要再問人臉識別準確度了，這個是外行話）。
1:1人臉識別算法主要用於身份驗證
1：1人臉識別技術主要是利用圖像處理技術從圖像中提取人像特徵點，利用生物統計學的原理進行分析建立數學模型，即人臉特徵點模型。再從人臉特徵點模型與被測者的人的面像進行特徵分析（可以假定為無數的幾何特徵點求解），根據分析的結果來給出一個相似值，通過這個值即可確定是否為同一人。簡單的說就是A/B兩張照片比對，產生的計算數值是否達到要求。
這個值我們稱之為閾值，可以從1到100（100就是極端嚴苛）很多人臉識別公司說他們的產品很容易通過，那隻說了一半，如果閾值調整到5以下，幾乎大部分人都可以是相似的，而調整到95以上，同一個人在不同的背景環境拍出的照片都無法匹配。所以當一公司跟你吹牛算法準確度，先問下使用的是用什麼閾值，同一人臉比對通過率，非同一人比對通過率。
所以沒有閾值說明的算法都是耍流氓。
1：1主要用於快速的人臉識別比對，作為身份確認的一種新方式，比如考生身份確認、公司考勤確認、各種證件照和本人確認，由於這些照片源不一定有權威統一的接口調用，所以一直沒有用起來。目前市面上做的比對來源主要有三種方式：
1、用戶自傳照片，比如支付寶的人臉比對，用戶自傳的照片最大的問題是照片質量的合格率太低，拍照的光線、角度等因素會導致採集源的質量下降，不利於後期的大批量人臉特徵碼管理。
2、使用身份證讀卡器，讀取身份證上的照片，遺憾的是這張照片的質量極差，2K的大小，很多照片上的人臉質量實際非常差，不過也是目前用最多的方式，比較適合籤到場合。
3、使用公安部旗下NCIIC的人臉比對接口（注意，不是網紋照片接口，這個接口已經不對外），使用的是直接的人臉比對接口。目前具備有這個庫調用權限的，目前所知的只有幾家，在人臉識別公司中，好像只看到一家在提供，這裡先不提了。BAT應該都還沒有接入，如有大家有新發現的可以補充。
實際上，解決比對源的問題的關鍵是需要有權威的照片數據來進行比對，許多公司剛剛開始的時候採取NCIIC（公安部的一個事業單位）身份證返照接口的照片，進行消網紋處理進行比對，但人臉的很多特徵點被損毀成功率大概只有6成（根據六月份發布的網絡安全法，目前網紋返照接口市面上除了銀行系統可以使用外，其他所用的身份證返照接口都是非法的，一用就被查）。
曾經有一些問題是關於如何確認本人的笑話，派出所要求一個小夥證明就是本人，證明你媽是你媽。。這種奇葩問題，但是許多陌生場合也有這種尷尬，你如果沒有帶證件，警察無法看到你的照片，如何確認你就是XX就是之前經常出現的執法矛盾；如果一個人把身份證弄丟了，外面風雪交加，如何給這類人辦理酒店入住手續？這些就是身份確認的問題。公安部推身份證網上副本 身份認證可「刷臉」完成就是用來解決這個問題，我們出門不用完全依賴身份證可以確定身份，可以方便很多。
但是1：1人臉算法的巨大隱患是我們隨處可見的人臉，實際就是一個公開的鑰匙，馬雲提出刷臉消費吃飯，如果沒有手機驗證碼（本身也是一重手機實名驗證），分分鐘鐘被吃垮。但是既然可以用手機，為什麼還用刷臉，不是多此一舉嗎？
另外還有一些高級會所，希望實現VIP的貴賓警報服務，這個在下面的1：N和N:人臉識別算法系統中可以看到。但是1：1比對的身份應用哪家強了？
在網際網路買機票、車票，醫院掛號，政府惠民工程項目，以及各種證券開戶、電信開戶、網際網路金融開戶都會用到。過去的身份認證方式是非常不妥的（比如支付寶的持有註冊流程，還有一些不知名的社交APP等需要上傳身份證照片），這些資料是極其容易被盜取和轉賣的，下圖是來自百度的圖片搜索結果截圖，還有最近的一些女大學生的裸條資料洩露，導致犯罪分子有很多利用的漏洞，黑客軍團號稱資料2000萬，分分鐘鍾薅幹一家金融平臺沒有問題：
1、3D人臉仿真面具
2、 人臉模型實時重建
所謂道高一尺魔高一丈，這個還是增加其他的多維校驗才能確認身份，否則真有人要進行遠程攻擊，也不是很難的事情。那麼活體檢測哪家強了？
1:N人臉識別算法主要用於人臉檢索
跟1：1的A/B兩張照片比對最大的區別是A/B A/C A/D……多個1：1計算，這個最大的問題是一旦BCD總和數量越大計算速度越慢，而總和超過20萬，就回出現多個相似結果（20萬人這個大數會導致有不少人長相相似），需要人工輔助定位。過去我們在電影裡面看到什麼「天網」識別系統只是一種理想狀態，實際應用中都是排列出多個結果，排第一的未必是需要的人。
1：N人臉識別算法主要用於排查犯罪嫌疑人、失蹤人口的全庫搜尋、一人多證的重複排查，以此相似度列出相應的結果，可以大大提高排查效率。類似的也可以用到走失兒童的項目中去。
這一類系統的部署需要兩個條件：
1. BCD基本庫（比如1000萬人）
2. 強大的算法硬體
1：N同時作業就是N:N了，同時相應多張照片檢索需求，檢索耗費的時間跟硬體算法關係極大，就這一領域的應用，又哪家公司強了？
N:N人臉識別算法主要用於實時多1：N檢索計算：
N：N 該算法實際上是基於1：N的算法，輸入多個求解結果。比如視頻流的幀處理所用，對伺服器的計算環境要求嚴苛，目前的算法系統所支撐的輸出率非常有限。
主要的限制如下：
海量的人臉照片解析需要大量運算（目前很少看到在採集端直接解析的，都是照片剪裁）
海量的人臉照片傳輸需要大量的帶寬（常見的720布控攝像頭抓取最小的人臉照片為20K）
海量的人臉照片在後臺檢索需要耗費大量的運算（國內主流主機為例，最多到24路攝像頭）
由此可見，真正實現「天網」人臉檢索，一來要解決數億攝像頭的圖片處理，二來需要解決聯合庫的超算檢索，這可不是一般公司吃得消。有些小區和高級場所，對VIP客戶的識別和接待比較喜歡這種視頻校驗方式，但是實際部署使用者會受到攝像頭位置、角度，以及多人同時入場產生的問題，而且人臉庫會非常有限，不然計算時間長，體驗極差，一些所謂的迎賓機通常也就幾個人的照片（就是純粹給領導看的），實用價值大大的打折扣，有戴墨鏡或者帽子遮蔽都認不出，畢竟關鍵特徵取樣有限。這又有誰強了？
拍照和直播APP的人臉圖像疊加
國內比較多的娛樂APP通過對人像圖層跟蹤處理，也是一個不錯的技術切入點，但是產品安裝包會比較大，現在做的也只是跟蹤技術，屬於底層識別，如果複雜一些的需要通過雲服務實現，但是伺服器算法解析速度和帶寬比較難以跟上，也不算是一種靠譜的商業模式。
人臉識別的技術發展方向：
結合三維信息：二維和三維信息融合使特徵更加魯棒
多特徵融合：單一特徵難以應對複雜的光照和姿態變化
大規模人臉比對：面向海量數據的人臉比對與搜索
深度學習：在大數據條件下充分發揮深度神經網絡強大的學習能力
在視頻級N:N的校驗中，如果要提高通過率，很多時候是採取降低準確率的方式，降低算法隊列數量；同樣在一些比賽中為了降低誤識率，大大提高了準確率，所以算法在校驗的過程中必須遵循至少一個固定標準，追求的是速度效率還是最高準確率。
人臉識別算法的應用分類派系:
人臉識別對應解決方案方向：
個人認為未來人臉識別會讓大部分的數據更加真實，而可以通過社會工程學模板做很多分析和改良，比如近期一些科學家利用人臉識別來分析一些人的健康、清晰，甚至是犯罪傾向，或許在未來還可以結合大數據，對我們過去傳統的面相分析技術做一個全新的提升，到時候算命先生都要失業了。更多機器人交互、無人機產生的攝像目標鎖定分析等科幻畫面並不是多遙遠的事情。
關於算法核心研發情況的爭論：
基本上國內每家公司都會說自己的算法牛，實際上有幾家有人臉核心算法呢？國內在完全從事算法研究的總工程師人數到目前（2016年）總計不到100人，不過也沒有現在問題也不大，中科院計算所山世光教授已經開源了，沒有基礎的公司不用太辛苦從零開始在OPENCV基礎上做算法升級，相信很快google微軟還會有新的算法發布。現在算法基本都是98%以上，這點差距已經不重要，算法核不核心也沒有太大問題。大家不用太過於焦慮，產品到應用階段，單單靠算法可不夠，還要考慮實際的使用。
目前做人臉識別的公司很多，集成應用的有數百家，國內的看百度，看融資，看各種報導就差不多了，只是認真沉下心來做事情的公司太少。國內的騰訊和阿里都在做（阿里支付寶用的是自己的團隊研發算法，只是特別低調，把名聲都留給自己投資的公司，阿里可不止投了一家），國內的公司吹牛逼的、炒概念的太多，就不聊了。
1、美國Identix公司
2、美國Bioscrypt公司
3、德國Cognitec Systems公司
4、西班牙Herta Security公司
5、日本NEC公司
6、日本Softwise公司
以上都是老牌人臉識別公司，美國Identix公司做的是多模認證（指紋、虹膜），而Bioscrypt公司早期起於指紋識別考勤，在政府市場的份額都不小，德國的Cognitec公司主要做政府項目的人臉識別系統，而NEC公司主要做機器人視覺識別系統，西班牙Herta公司是一家學術很濃厚的公司。此外的還有一些以色列公司技術。這些公司幾乎做的都是政府的安全項目，但公司普遍規模都很小，盈利和投資也很少見報導。Facebook公司進入這個領域，主要是進行人群的分類和應用的優化（針對性的市場推廣），項目都是作為公司原本業務的一種補充。
所以這個問題到了最後，我只能說：
如果非要問人臉識別哪家強，
不如問哪家公司吹牛逼強。
未來的競爭不在現在這些戰場。
雷布斯的話：少一些胡來的人，大家都可以專心做事。
點擊"閱讀原文"，進入ittbank微商城