知识（马鞍山）律师事务所：极客任务第8期-“人脸识别”的发展机遇与挑战.pdf
- 配套讲稿：
如PPT文件的首页显示word图标，表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制：
部分文档作品中含有的国旗、国徽等图片，仅作为作品整体效果示例展示，禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词：
- 知识 马鞍山 律师事务所 任务 识别 发展 机遇 挑战
- 资源描述：
-
1、 “人脸识别”的发展机遇与挑战知识产权分析报告 极客：知识（马鞍山）律师事务所 参 与 人 员：胡锋锋、韦超峰、吴雪健 I 报告报告声明声明 根据本次的检索题目，本团队就“人脸识别领域的活体验证技术”的专利情况进行检索分析，目的在于通过对全球范围内该领域内的分析专利情报，从而为最新创新动态进行了解、指导研发工作。知识（马鞍山）律师事务所接受课题后，先后就上述公司的相关背景进行了解，现根据检索得到的资料进行分析后出具本报告。本团队通过网络、专利数据库对技术背景进行了解，并确定一系列相关的检索关键词和分类号。而后本报告信息来基于 incopat 专利数据库，采用本文提供的关键词、申请人信息、IPC
2、 分类号对现有的公开专利数据进行检索分析，以求尽可能公正、客观地表征植保无人机相关技术领域专利的发展趋势。但是由于检索时间紧迫、技术信息有限，再加之专利申请文件公开的滞后性，故报告可能无法精确的反映该领域最新的技术动向和发展动态。因此，本报告是基于专利检索分析得到的结果，对其他因素的影响有涉及但不做具体分析，因此并不能单纯直接作为研发决策的依据。对于本报告所提供信息所导致的任何直接的或者间接的商业后果，本团队不承担任何责任。本报告版权为“知识（马鞍山）律师事务所”与北京合享智慧科技有限公司共同所有，报告将用于极客微信群内分享学习。合享智慧有权通过媒体渠道进行发布，并注明极客作者身份。任何单位及
3、个人未经书面许可不得以任何形式或理由对报告的任何部分进行翻版、复制和发布。如引用发布，需注明出处和来源。II 目录目录 报告声明.I 目录.II 第一章行业背景及技术分解.1 1.1 概述.1 1.2 人脸识别行业背景.1 1.2.1 基于几何特征的方法.2 1.2.2 基于隐马尔可夫模型的方法.2 1.2.3 基于统计的方法.3 1.2.4.基于神经网络的方法.3 1.2.5 多分类器集成方法.3 1.3 人脸活体检测技术的现状.3 1.3.1 人脸识别技术的欺骗手段.3 1.3.2 人脸识别活体验证技术现状.5 1.4 挑战与机遇.7 第二章 人脸识别中的活体验证专利检索分析.8 2.1
4、专利信息检索及标引.8 2.1.1 技术研究边界定义.8 2.1.2 检索要素表及注释.8 2.1.3 检索历史记录.8 2.2 国内外专利信息分析.12 2.2.1 国内外专利申请趋势分析.12 2.2.2 主要申请人及发明人分析.15 2.2.3 技术构成分析.17 2.3 技术发展趋势分析.20 2.3.1 主要活体验证技术检索分析.20 2.3.2 活体验证技术特点分析.26 第三章 专利技术布局进行重点解读.29 III 3.1 主要申请专利技术布局.29 3.1.1 北京旷视科技有限公司专利分析.29 3.1.2 中国科学院自动化研究所专利分析.32 3.1.3 三星（SAMSUN
5、G ELECTRONICS CO LTD）专利分析.36 3.2 专利技术分析及布局建议.39 第四章 研发、并购、技术合作建议.41 4.1 人脸识别活体验证技术的发展前景.41 4.2 研发、并购、技术合作建议.41 4.2.1 技术研发方向.41 4.2.2 技术合作建议.42 4.2.3 技术并购建议.42 极客介绍.43 第 1 页/共 43 页 第一章第一章行业背景行业背景及及技术分解技术分解 1.1 概述概述 生物特征识别技术是一种利用自动技术检测生物体特征或个人行为特点进行身份验证的技术，在商业领域、军事领域、刑侦领域等方面都得到了广泛应用。人脸识别作为生物特征识别的重要分支，
6、其指给定一个场景的静态图像或动态视频，利用存储有若干已知身份的人脸图像的数据库验证和鉴别场景中单个或者多个人的身份。人脸识别按照人脸信息的来源可以分为两基于静态人脸图像的识别和基于包含人脸的动态视频信息的识别。人脸识别作为用户接受度最高、最自然、最直观的可视化生物识别技术，其技术和应用价值正在突显，成为计算机视觉和模式识别领域的一个热门领域。如今，人脸识别广泛应用于在档案管理、安全验证、信用卡验证、公安罪犯身份识别、银行和海关监控、人机交互等领域；人脸识别相比于指纹识别、视网膜识别、虹膜识别，在数据采集方面手续比较简单，使用者更容易接受人脸识别的数据采集模式。1.2 人脸识别人脸识别行业背景行
7、业背景 对于人脸识别技术的研究开始于二十世纪六七十年代，Bledsoe 以人脸特征点的间距、比率等参数，构建了一个初步的人脸识别系统。进人九十年代后，随着人脸识别技术的广泛应用和各行业对其需求的增加，许多企业、研究机构在从事加快了对人脸识别技术的研究。为促进人脸识别算法的深入研究和实用化，美国国防部发起了人脸识别技术(FaceRecog nition Technolog y 简称 FERET)工程。如今，人脸识别已经成为图像分析与图像理解领域最成功的应用之一，且许多成功的人脸识别商业软件投人市场，传统技术中基于人脸认证流程图如图1-1所示。第 2 页/共 43 页 图 1-1 传统技术中基于人
8、脸认证流程图 人脸识别作为模式识别的分支，可分为三个组成部分：检测、分割人脸抽取人脸特征匹配和识别人脸，人脸识别技术和方法可以分为基于几何特征方法和基于模板的方法两大类。1.2.1 基于几何特征基于几何特征的的方法方法 基于几何特征方法首先检测出嘴巴、鼻子、眉毛、眼睛等脸部主要部件的位置和大小，再利用上述部件的总体几何分布关系以及相互之间的参数比例来识别人脸；再以面部特征点之间的距离和比率作为特征，通过邻方法来识别人脸；以该方法建立的人脸识别系统是一个半自动系统，面部特征点必须由人手工定位，该方法对光照变化和姿态变化不敏感；基于几何特征的方法具有直观、识别速度快、提取的特征在一定程度上对光照变