人脸识别的基本流程包括人脸图像采集与预处理、人脸检测、人脸特征提取和人脸识别人脸识别技术与其它生物技术相比，其接触性和侵扰性较低，识别效率较高，设备成本低等优势使得其能快速崛起，广泛应用于安防、金融、零售等领域。深度学习、大数据和云计算等领域的兴起为人脸识别提供了技术支撑，新兴技术的不断突破提高了人脸识别算法的准确率和效率，推动人脸识别应用落地，进而带动人脸识别市场潜力持续释放。

中国人脸识别市场供需两旺叠加外部环境变动，人脸识别加速发展、潜力巨大；并且在应用上，由在政府、安防领域小范围应用到应用场景向各行业渗透；但是算法技术商业化落地应用差强人意。

早期的人脸识别技术精度由于算法的不完善、训练数据量和机器支撑力度不够，使得算法的精度较低，技术研究更专注于提升算法的精度。近年来，随着深度学习发展和大数据的爆发，人脸识别算法测试精度已经达到99%以上，头部厂商之间算法性能相差细微。而测试精度与实际应用精度有一定的差距，不能很好的满足应用，因此目前的算法研究开始转向为关注多姿态、模糊、低分辨率和低光照等改善实际应用方向，以便于促进人脸识别进一步商业化落地应用

人脸识别行业产业链上游为基础层，包括芯片和传感器等硬件以及算法和数据集技术支持；上游的核心技术包括芯片、算法和数据集，是人脸识别行业发展的核心驱动力。主要参与方包括海外的Google、Nvidia、Intel、AMD等知名国际巨头以及华为、瑞芯微电子等国内芯片龙头。中游为技术型创业公司、互联网巨头和传统硬件设备制造企业，为下游提供应用系统和软硬件一体化的产品或服务。主要参与方包括国内AI四巨头：商汤科技、旷视科技、依图科技、云从科技。下游的话，主要为以安防、金融为主的应用领域，也包括教育、交通、手机娱乐、电子零售等。

人脸识别行业中游厂商主要包括技术型初创企业、互联网巨头和传统硬件设备生产制造企业三大类，行业呈现不同阵营企业差异化竞争态势。据FRVT比赛结果来看，2021年3月，云从科技在1：1、1：N和口罩遮挡下的人脸识别三个赛道，获得两项冠军和一个亚军。中国算法领域技术领跑全球，在测试上精确度保持在99%，但实际应用仍不能很好满足商业化应用需求。而人脸识别下游应用在各行业的渗透出现差异化，根据信通院数据，2020年安防市场占比达70%，金融占比近20%，是人脸识别的两大应用市场。我国安防行业总产值达到8510亿元，近几年行业增速均在10%以上，增速高于全球。从产业分布情况看，视频监控是构建安防系统中的核心，在中国的安防产业中所占市场份额较大，而人脸识别在安防的各个产业分布均可应用，市场应用广阔。

全球人脸识别市场供需两旺叠加外部环境变动，人脸识别加速向各行业应用落地。近年来，随着深度学习和大数据的发展驱动人脸识别技术的不断突破，再叠加全球卫生事件的爆发使得人脸识别的应用进程被按下加速键。根据Frost & Sullivan，2017-2020年人脸识别市场规模从28亿美元增长到53亿美元，预计2023年将突破百亿大关。预计到2024年，人脸识别市场规模将达到121亿元，2021-2024预测CAGR为16.36%。

从供给侧来看，技术端和政策端给人脸识别提供支持促进其向各行业渗透，自2015年之后，依图科技等人脸识别巨头进入市场并成功在几年内实现算法实力达到全球领先水平，中国算法领域技术领跑全球，在测试上精确度保持在99%；其次，政策端，国家频频出台利好政策加快应用商业化进程。自2017年起人脸识别领域的专利申请进入高速发展阶段，2018年年申请量为11,165件，同比增长71.56%。从需求端，用户对于安全性、便捷性和低伪冒性等需求上升，这些需求更体现在金融和安防市场，使得人脸识别更受关注。

当前人脸识别在各行业的渗透出现差异化，根据信通院数据，2020年安防市场占比达70%，金融占比近20%，是人脸识别的两大应用市场。一方面，安防和金融有较大的数据体量，数据体量决定算法模型精确度，进而决定应用落地效果。基于安防领域的商业化应用，中国人脸识别投融资数量及金额不容小觑，2021年人脸行业相关投融资事件23件，投资总额为243.06亿元，达到历史高峰。当前安防仍以视频监控为主，数据和视频分析发展空间较大，随着视频分析等业务的持续深化，市场规模将持续上升；其次，应用广度决定能否覆盖前期的研发成本。教育、交通和零售数据体量较高和应用可覆盖度高，未来发展潜力大，有望进入人脸识别应用成熟阶段