刘磊，李丹
（国家知识产权局专利局专利审查协作四川中心，四川成都610213）
1概述
人脸识别是一种通过捕捉人脸面部特征信息并通过计算机图像分析来进行人员身份信息认证的一种计算机技术，也称为面部识别或人像识别[1]。其在视频监控、安防管理、智能考勤、刑事侦查、信息认证以及智能支付等领域有着广泛的应用。该技术起源于19世纪末，在计算机高速发展和模式识别技术的助力下，已经由早期的仅能人脸检测发展到如今的人脸跟踪，再到通过提取生物特征信息做到身份识别。然而，虽然人员面部特征利于识别，但随着年龄以及环境因素对面容的影响、面部表情的变化、人员的移动以及多目标干扰等，准确识别人员面部信息还存在着很多的挑战[2]。
随着信息技术和人工智能的发展，针对人脸识别技术应用的需要越来越大，要求也越来越高。特别是在监控系统中，人员众多复杂且流动，环境因素、人为因素等让人脸特征捕获充满了不确定因素，人脸识别所面临的巨大挑战，如何快速、准确的在监控系统中完成人脸的识别具有重要意义。计算机技术的发展也在不断满足人脸识别技术的需求，近年来以人脸识别为主体的专利也呈现快速增长的趋势[3]。本文
以监控系统中的人脸识别技术为目标进行专利的统计与分析，首先介绍了目前监控系统中人脸识别技术的几大技术分支，然后分析了人脸识别技术在专利申请方面的现状以及发展趋势，并对主要技术分支以及相关的核心专利和重要申请人进行了分析。
2技术分支
常用的人脸识别的方法主要有：基于KL变换的特征脸识别方法、形状和灰度分离的可变形模型、基于小波特征的弹性匹配方法、传统的部件建模的方法。虽然每个人的面部都有差异，但人脸的主体结构都是基本一致的，只是在局部细节特征方面千差万别[2]。通过对基于监控系统中的人脸识别技术的专利文件收集、标引和梳理，以技术手段的异同为切入点，将人脸识别技术领域大致分为三个分支：人脸检测、人脸跟踪、人脸比对[4]，如表1所示。
上述三个过程均有多种成熟的技术对其进行处理，人脸检测主要是从图像或者视频中检测是否存在人脸区域，并将检测到的人脸区域从背景区域中分离出来，长采用的方法主要有参考模板法、人脸规则法、样品学习法和肤模型法等[4]。人脸跟踪即目标跟踪，是指对检测到的人脸区域进行动态目标跟踪，其主要采用基于模型的方法或基于运动与模型相结合的方法来实现[4]。人脸比对是指对检测到的人脸区域与现有的人脸库中的人脸进行目标搜索并进行比对，从而到最优的匹配对象，其中人脸特征的描述决定了人脸比对的效率和性能，目前人脸比对主要采用特征向量和面纹模板两种方法[4]。
摘要：人脸识别是一种基于人脸生物特征进行识别的身份识别技术，其在三维立体成像以及虚拟现实技术有着至关重要的作用。文章以监控系统中的人脸识别技术专利申请为探究目标进行专利分析，首先介绍了监控系统中人脸识别技术的几大技术分支，然后分析了该技术在专利申请方面的现状以及发展趋势，并对主要技术分支以及相关的核心专利和重要申请人进行了分析统计，给出了该技术领域中的专利分布特征。
关键词：人脸识别；监控系统；申请趋势；专利分析
中图分类号:T-18文献标志码:A文章编号:2095-2945(2021)02-0046-04
Abstract:Face recognition is a personal identification technology based on face biological feature,which plays an important role in three-dimensional imaging and virtual reality technology.This paper analyzes the patent application of face recognition technology in monitoring system.Firstly,it introduces several technical branches of face recognition technology in monitoring system,and then analyzes the state-of-the-art and development trend of the technology in patent application. Finally,this paper analyzes and statistics the main technology branches,related core patents and important applicants,and figures out the patent distribution characteristics in the field of technology.
Keywords:face recognition;monitoring system;development trend;patent analysis
作者简介：刘磊（1986-），女，硕士，专利审查员，研究方向：网络通信；李丹（1991-），女，硕士，专利审查员，研究方向：网络通信。
46--
图1是人脸识别在监控系统领域中三个分支百分比
分布图，该技术的申请总量为1309项，其中人脸检测、人脸跟踪、人脸比对三类的申请所占的百分比分别为18.22%、34.48%、47.3%。可以看出，在人脸识别系统中，
占有较高比重的是人脸检测和人脸比对方法，由于人脸检测是人脸跟踪和人脸匹配的基础，因此也是申请人关注的热点，此外，由于人脸匹配技术在身份认证和人员管理上具有较好的应用价值，因此，相关厂商也在人脸匹配方面的相关专利申请数量也具有相当高的态势。
图1各二级分支技术占比
针对人脸检测和人脸比对的三级技术分支技术占比如图2所示。由图2可以看出，在人脸识别相对重要的两个技术分支中，人脸检测算法中基于神经网络等样品学习方式的检测方法是占据技术主流的方式，是各企业和
高校比较热门的检测方式，而针对人脸比对的方法则大多数则采用人脸数据库等基于整体特征对比的方式进行的比对方式。
3专利现状分析
截止至2020年6月，通过在CNABS 和VEN 数据的相关检索，最终筛选1309篇涉及监控系统中人脸识别应用的相关专利，在监控视频领域人脸识别技术呈现稳定上升趋势。
3.1全球专利分析
图3反映了关于监控系统中人脸识别技术全球申请量的趋势图，由图3可以看出，在1991-2003年期间，人脸识别属于起步阶段，因此在全球范围内，人脸识别算法的年均申请量不足5项；2004-2013年期间，申请量整体呈逐年增长趋势，人们对人脸识别算法有了进一步的研究；2013年之后，随着智能化时代的到来，人脸识别算法也进入了高速发展时期，申请量在全球范围内一直保持快速增长趋势。
3.2申请的地域分布
图4为基于应用人脸识别的监控系统中主要申请国
逐年分布趋势。从图4可以看出，2013年以前全球专利申请中国外占比相对较多，在此期间，美国、韩
国和日本在人脸识别领域占据主导地位，2013年以后，中国在人脸识别领域的申请量快速增长，此后中国的一些企业和高校投入到人脸识别算法研究中，并一直处于该技术领
表1监控系统中人脸识别技术分解
图2各三级分支技术分支占比
47--
图3全球专利申请趋势
域领先的地位。
图4国内外专利申请趋势
3.3技术原创国分析
技术原创国代表各国在该领域的技术实力，图5为
监控系统中人脸识别技术领域专利申请基于原创国的分布情况，图6和图7分别展示了国外和国内在该领域的主要申请人的专利申请统计结果。
从图5、图6、图7三幅图中可以看出，中国、美国、
日本、韩国是全球申请量最大的几个国家，其中三星、LG 、佳能、因特尔、韩国电子通信研究所、索尼等是该领域国外相对比较重要的申请人，而相对来说，国内对于该领域的申请主要聚焦在高校申请中，如图7所示的西安电子科技大学、电子科技大学、南京邮电大学、
重庆大学、华南理工大学等，也有一些相关企业北京旷世科技、平安科技、深圳市商汤科技、腾讯科技、视联动力等作为国内该领域专利申请的先驱。
图6国外申请人排名
图7国内申请人排名
4技术演进路线
图8所示为在监控系统中的人脸识别身份认证方法的研究路线图。通过梳理在监控系统中的人脸识别技术的各个分支下的基础专利，可以获得在监控系统中的人脸识别技术领域的技术演进路线，其中横轴表示各专利的申请年份，纵轴表示本领域的三个不同分支。
由图8可知，该领域的发展大致分为三个阶段：起步期、发展期和
稳定期。4.1第一阶段（1991-2003年）：起步期
该阶段属于监控系统中人脸识别系统的起步阶段，国外在从事基于视频的人脸识别方面的研究和实践较早，相应的专利申请最早现于上世纪八十年代，但由于当时计算机技术还尚未大规模发展，申请量寥寥无几。受限于信息传递以及技术条件的限制，我国在这一时期对人脸识别技术展开研究的机构可谓凤毛麟角，也没有相关的研究成果或者专利申请发布[3]。九十年代初，随着计算机技术的迅猛发展与不断推广，视频技术随之应运而生，从而极大的推动了人脸识别技术的应用，人脸识别在视频领域的有关专利申请量逐年增长。紧随全球科技发展的脚步，九十年代中期，计算机和视频两大技术在我国得到迅速发展与推广，从此打开了我国在基于视频的人脸识别的专利申请领域的大门[3]，其中具有代表性的专利为
JP2000076454A ，KR100442835B1，JP2002373332A ，KR
10
图5技术原创国的地域分布
C
B A A
B C
48--
图8监控系统中人脸识别方法的技术演进路线0571800B。
4.2第二阶段（2004年-2013年）：发展期
这一阶段，人脸识别技术已经比较成熟，并开始从理论研究逐步转向技术落地，得益于视频技术的迅猛发展，也极大推动了人脸识别在视频技术中的广泛应用。随着技术的深入发展，全球范围内该领域的专利申请量也在快速增长。且在此阶段的人脸识别在监测速度和监测准确度上都有了较为明显的提升，对于人脸的捕获的要求有所降低，对于外部环境、背景因素，人脸姿态等具有较好的适应能力，其中具有代表性的专利为US20121481 60A1，KR101344034B，CN101819628B。
4.3第三阶段（2014年-2020年）：全面发展期
在该阶段，随着信息技术和人工智能的发展，安全和智能成为了人们关注的重点，同时世界各国加强了对视频技术的重视，计算机技术的发展也使得人脸识别技术的日益成熟，人脸识别技术在各个领域有了更广泛应用。三维立体技术以及虚拟现实技术的出现让人脸识别技术具有巨大的研发价值和商业潜力，视频人脸技术进入了急速增长的阶段[3]。处于该阶段的人脸识别基本处于人机
交互智能化的阶段，且处于人脸识别系统应用
的快速发展时期，人脸识别被应用到各种公共
场合，包括食堂、图书馆、校园安全、警务室监
控等多个监控领域，并且针对人脸遮挡、侧脸
等非标准人脸检测和识别的情况进行进一步
研究，实现非标准化人脸的准确识别，以及智
能化控制，该时期的专利更加偏向于检测算法
提取以及人脸识别算法上的优化，并且更有大
部分侧重于人脸识别技术的应用[5-9]，典型的代
表专利为CN108764041A，CN102663354B，CN
108875480A，CN103971096B，CN109902628A。
5结束语
本文对监控系统中通过人脸识别算法进行的人员管理和监控的专利进行整理和分析，
重点关注专利申请的趋势走向，并对重点申请
人和重点专利进行分析，目前来看，该领域的
专利申请呈逐年递增的走势，且呈现商业中的
大量应用，主要研究重点在于提高人脸检测识
别速度和精度，并且更加无感式的人脸识别模
式，经过对专利技术的梳理，有助于全面了解
监控系统中对于人员监控和管理的人脸识别
技术的基本发展态势，对该行业知识产权布
局、该领域专利审查工作都有较大帮助。
参考文献院
[1]武庆圆，梁根源.基于专利分析的人脸识别技术竞争态势研究[J].竞争情报，2019（01）：25-35.
[2]张翠平，苏光大.人脸识别技术综述[J].中国图象图形学报，2000（11）：7-16.
[3]倪礼.人脸识别在视频技术领域的专利申请分析[J].科技创新与应用，2017（10）：60.
[4]徐晓艳.人脸识别技术综述[J].电子测试，2015（10）：38-43.
[5]王灼.基于统计不相关最佳鉴别变换的人脸识别研究[D].四川大学，2005.
[6]于世华.基于人脸识别的上机辅助身份验证系统[D].东北师范大学，2008.
[7]石晨阳.3D人脸识别技术专利分析[J].工业技术创新，2018，5（5）：4-7.
[8]刘梦瑶.人脸识别专利技术综述[J].中国科技信息，2018（15）：30-32.
[9]陈嵘.脸识别技术专利态势分析[J].工业技术创新，2018，5（5）：1-3，14.
49--
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议