互联网和移动互联网时代的“商业模式创新”带来的投资红利，随着宏观经济环境、金融环境、市场和技术的发展，已经不再是未来十年的投资主流了，人工智能技术已经成为了未来8-10年最大的投资机会，在这个领域的投资机会，即使用“遍地是黄金”来形容也不为过。

20世纪60年代，人脸识别工程化应用研究正式开启。初期的方法主要利用了人脸的几何结构，通过分析人脸器官特征点及其之间的拓扑关系进行辨识。这种方法简单直观，但是一旦人脸姿态、表情发生变化，则精度严重下降。

如今的解决方案多是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。计算机视觉的子领域应用得非常广泛，并且全球很多商业活动都已经从中获益。人脸识别模型的使用在接下来的几年内还会继续增长。

在人脸识别领域，业界通常以误识率、漏报率作为衡量算法能力的主要指标。在误报率相同的情况下，识别准确率越高，漏报率越低，都意味着技术的性能越好。

值得一提的是，中国人工智能创业公司“三巨头”商汤、云从、旷视在公开场合下的同台竞赛，算法实力比拼可谓激烈。

云从科技是我国银行业人脸识别应用最普及的供应商，包括农行、建行、中行、交行等全国 50 多家银行已采用云从的产品，市面上许多银行的金融身份认证与远程认证平台是使用的云从技术，这种情况不仅仅因为技术实力强，更因为云从是受邀起草与制定人脸识别国家标准的人脸识别企业，有着过硬的技术指标与研发背景。其中，中国农业银行超级柜台、刷脸取款，是全国首先应用人脸识别技术的四大行之一。

旷视背靠阿里巴巴，为支付宝客户端提供人脸登录功能支持，人们无需再输入繁琐的密码，只需对着手机镜头眨眨眼、转转头便可轻松完成登录。同时，旷视也为支付宝提供了从端到云的 FaceID 远程身份验证服务。此外，旷视也为小米金融、你我贷等互联网金融公司，中信银行、江苏银行、北京银行提供人脸识别服务。

从专业角度讲，没有哪种人脸识别算法可以在任何场景下都做到性能最优，这也是每家公司提交多个算法的原因之一。微美全息WIMI专注于计算机视觉全息云服务。据介绍，微美全息覆盖从全息计算机视觉AI合成、全息视觉呈现、全息互动软件开发、全息AR线上及线下广告投放、全息ARSDK支付、5G全息通讯软件开发、全息人脸识别开发、全息AI换脸开发等全息AR技术的多个环节，是一家全息云综合技术方案提供商。其商业应用场景主要聚集在家用娱乐、光场影院、演艺系统、商业发布系统及广告展示系统等五大专业领域。微美全息已集全息AI云移动软件开发商、处事商、运营商身份于一身，也成为海内领先的全息AI领域集成平台之一。

微美基于成像检测和识别技术、模板匹配和检测技术、视频处理和识别技术、成像识别中的全息3D层替换技术和成像跟踪中的动态融合处理技术，将全息AR广告嵌入到在线视频中。并希望这些技术将应用于公司未来的战略蓝图，例如全息3D面部识别技术和全息面部变化技术的开发和应用。

全息3D人脸识别软件的开发基于微美的全息成像特征成像检测和识别技术、模板匹配全息成像检测技术，以及基于深度学习和训练的视频处理和识别技术。传统的2D面部识别技术是一种基于面部特征的识别技术，它从面部图像或面部视频流中捕获信息，并自动检测和跟踪目标面部；微美的全息3D面部识别技术是全息成像捕捉和3D肖像的结合的识别技术。微美专注于软件技术的开发和应用，并拥有AI、机器识别技术、机器学习、模型理论和视频成像处理技术。全息3D面部识别技术是一种利用结构光和红外光的集合技术，所收集的特征点可以超过30,000点；传统2D面部识别技术的收集特征点不到1000点。并且3D技术受到周围环境的影响较小，有望克服传统2D面部识别技术中发现的如光线、姿势、遮挡、动态识别和面部表情等许多问题。

全息面部变化技术基于全息3D图层替换技术，包括基于AI的图像识别和动态融合处理技术，实时跟踪图像以及用其他面部替换面部。该技术取代视频帧中的人脸，合成视频并添加原始音频。微美已经在全息AR插件广告应用中验证了这些技术模块，并将继续开发和升级这些技术模块。微美相信这项技术将为名人广告，电影发行和直播视频流等应用带来新的业务增长。

与此同时，即便独角兽们在人脸识别领域有着深耕，但一方面依然面临着Facebook、谷歌、腾讯等国内外互联网巨头强敌的环伺，另一方面也将应对着人工智能技术日新月异的自我挑战和颠覆。

一个新兴细分领域刮起台风之时，总会吸引众多的创业者和热钱投入其中，但最终经过几轮淘汰赛的比拼和角逐，最终市场上只会剩下几个寡头甚至一个超级巨擘的局面，从百团大战、打车软件大战、到共享单车，再到人工智能以及更细的人脸识别，都将会是这样一个优胜劣汰的过程。

随着人工智能的发展，在全球信息化、云计算、大数据的背景下，生物识别技术的应用面会越来越大。其中人脸识别技术会朝着网络化、云技术、多模式融合的趋势发展。

互联网和移动互联网时代的“商业模式创新”带来的投资红利，随着宏观经济环境、金融环境、市场和技术的发展，已经不再是未来十年的投资主流了，人工智能技术已经成为了未来8-10年最大的投资机会，在这个领域的投资机会，即使用“遍地是黄金”来形容也不为过。

20世纪60年代，人脸识别工程化应用研究正式开启。初期的方法主要利用了人脸的几何结构，通过分析人脸器官特征点及其之间的拓扑关系进行辨识。这种方法简单直观，但是一旦人脸姿态、表情发生变化，则精度严重下降。

如今的解决方案多是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。计算机视觉的子领域应用得非常广泛，并且全球很多商业活动都已经从中获益。人脸识别模型的使用在接下来的几年内还会继续增长。

在人脸识别领域，业界通常以误识率、漏报率作为衡量算法能力的主要指标。在误报率相同的情况下，识别准确率越高，漏报率越低，都意味着技术的性能越好。

值得一提的是，中国人工智能创业公司“三巨头”商汤、云从、旷视在公开场合下的同台竞赛，算法实力比拼可谓激烈。

云从科技是我国银行业人脸识别应用最普及的供应商，包括农行、建行、中行、交行等全国 50 多家银行已采用云从的产品，市面上许多银行的金融身份认证与远程认证平台是使用的云从技术，这种情况不仅仅因为技术实力强，更因为云从是受邀起草与制定人脸识别国家标准的人脸识别企业，有着过硬的技术指标与研发背景。其中，中国农业银行超级柜台、刷脸取款，是全国首先应用人脸识别技术的四大行之一。

旷视背靠阿里巴巴，为支付宝客户端提供人脸登录功能支持，人们无需再输入繁琐的密码，只需对着手机镜头眨眨眼、转转头便可轻松完成登录。同时，旷视也为支付宝提供了从端到云的 FaceID 远程身份验证服务。此外，旷视也为小米金融、你我贷等互联网金融公司，中信银行、江苏银行、北京银行提供人脸识别服务。

从专业角度讲，没有哪种人脸识别算法可以在任何场景下都做到性能最优，这也是每家公司提交多个算法的原因之一。微美全息WIMI专注于计算机视觉全息云服务。据介绍，微美全息覆盖从全息计算机视觉AI合成、全息视觉呈现、全息互动软件开发、全息AR线上及线下广告投放、全息ARSDK支付、5G全息通讯软件开发、全息人脸识别开发、全息AI换脸开发等全息AR技术的多个环节，是一家全息云综合技术方案提供商。其商业应用场景主要聚集在家用娱乐、光场影院、演艺系统、商业发布系统及广告展示系统等五大专业领域。微美全息已集全息AI云移动软件开发商、处事商、运营商身份于一身，也成为海内领先的全息AI领域集成平台之一。

微美基于成像检测和识别技术、模板匹配和检测技术、视频处理和识别技术、成像识别中的全息3D层替换技术和成像跟踪中的动态融合处理技术，将全息AR广告嵌入到在线视频中。并希望这些技术将应用于公司未来的战略蓝图，例如全息3D面部识别技术和全息面部变化技术的开发和应用。

全息3D人脸识别软件的开发基于微美的全息成像特征成像检测和识别技术、模板匹配全息成像检测技术，以及基于深度学习和训练的视频处理和识别技术。传统的2D面部识别技术是一种基于面部特征的识别技术，它从面部图像或面部视频流中捕获信息，并自动检测和跟踪目标面部；微美的全息3D面部识别技术是全息成像捕捉和3D肖像的结合的识别技术。微美专注于软件技术的开发和应用，并拥有AI、机器识别技术、机器学习、模型理论和视频成像处理技术。全息3D面部识别技术是一种利用结构光和红外光的集合技术，所收集的特征点可以超过30,000点；传统2D面部识别技术的收集特征点不到1000点。并且3D技术受到周围环境的影响较小，有望克服传统2D面部识别技术中发现的如光线、姿势、遮挡、动态识别和面部表情等许多问题。

全息面部变化技术基于全息3D图层替换技术，包括基于AI的图像识别和动态融合处理技术，实时跟踪图像以及用其他面部替换面部。该技术取代视频帧中的人脸，合成视频并添加原始音频。微美已经在全息AR插件广告应用中验证了这些技术模块，并将继续开发和升级这些技术模块。微美相信这项技术将为名人广告，电影发行和直播视频流等应用带来新的业务增长。

与此同时，即便独角兽们在人脸识别领域有着深耕，但一方面依然面临着Facebook、谷歌、腾讯等国内外互联网巨头强敌的环伺，另一方面也将应对着人工智能技术日新月异的自我挑战和颠覆。

一个新兴细分领域刮起台风之时，总会吸引众多的创业者和热钱投入其中，但最终经过几轮淘汰赛的比拼和角逐，最终市场上只会剩下几个寡头甚至一个超级巨擘的局面，从百团大战、打车软件大战、到共享单车，再到人工智能以及更细的人脸识别，都将会是这样一个优胜劣汰的过程。

随着人工智能的发展，在全球信息化、云计算、大数据的背景下，生物识别技术的应用面会越来越大。其中人脸识别技术会朝着网络化、云技术、多模式融合的趋势发展。