4、谷歌公司（Google）于 2011 年 7 月、2012 年 10 月先后收购脸部识别系统公司 PittPatt 和乌克兰脸部识别公司Viewdle，截止2016年6月已申请21 项脸部识别相关专利。

　　5、Facebook 公司于2012年6 月收购以色列脸部识别平台公司Tel Aviv，并申请了两项有关在线社交媒体图片标签建议（Tag suggestions for images on online social networks）的专利。于2014年开发出深度脸部识别学习系统 DeepFace。

　　6、亚马逊（Amazon）、微软（Microsoft）亦分别申请7 项及6项脸部识别专利。

　　最红的是人脸识别技术

　　人脸识别主要分为人脸检测和人脸比对两部分。其工作流程为：

　　1. 图像采集：通过采集传感器(如摄像头)采集人脸图像；

　　2. 人脸定位及提取：然后对采集到的数据进行处理，去除采集数据中的噪声和环境因素，抽取样本中能够表征个人身份的特征信息；

　　3. 特征对比：再把这些特征信息与数据库中已有的信息进行对比；

　　4. 输出结果：最后根据比对的相似程度来判断是否匹配。

　　目前人脸识别市场的解决方案主要包括：2D识别、3D识别、热感识别，目前市场上主流的识别方案是采用摄像头的2D方案。2D脸部识别是基于平面图像的识别方法，但由于人的脸部并非平坦，因此 2D 识别在将3D 人脸信息平面化投影的过程中存在特征信息损失。3D识别使用三维人脸立体建模方法，可最大程度保留有效信息。因此 3D 人脸识别技术的算法比2D 算法更合理并拥有更高精度。热传感识别技术使用一个三层的 BP（back-propagation）前馈神经网作为分类器，在使用热感信息的同时使用不会被发型、呼吸等环境因素影响的关键脸部几何信息，如鼻梁角度、脸颊面积等，以增强识别精度。

　　脸部识别产业链主要分为商业系统、主流软件、算法等，终端设备的集成化应用需要整套解决方案，大厂商在这方面具有优势。

　　脸部识别主要商业系统包括：

　　Visionics：FaceIt 面像识别系统，基于 Rockefeller 大学开发的局部特征分析(LFA)算法

　　Lau Tech.公司：面像识别/确认系统，采用 MIT技术

　　Miros 公司：Trueface 及 eTrue 身份验证系统，其核心技术为神经网络

　　C-VIS 公司：面像识别/确认系统

　　Banque-Tec.公司：身份验证系统

　　Visage Gallery’s ：身份认证系统，基于 MIT 媒体实验室的Eigenface 技术

　　Plettac Electronic’s ：FaceVACS出入控制系统

　　BioID 系统：基于人脸、唇动和语音三者信息融合的Biometrics 系统

　　脸部识别主流软件包括：

　　Face++（旷视科技）

　　Face recognition Intelligent module (Macroscop)

　　digiKam (KDE)

　　iPhoto (Apple)

　　Lightroom (Adobe)

　　OpenCV (Open Source)

　　Photos (Apple)

　　Photoshop Elements (Adobe Systems)

　　Picasa (Google)

　　Picture Motion Browser (Sony)

　　Windows Live Photo Gallery (Microsoft)

　　FotoBounce (Applied Recognition Inc)

　　DeepFace (Facebook)

　　Mindolia (Mindolia)

　　脸部识别主流算法包括：

　　基于几何特征的算法

　　局部特征分析方法(Local Face Analysis, LFA)

　　特征脸方法(Eigenface或PCA)

　　基于弹性模型的方法

　　神经网络方法 (Neural Networks)

　　隐马尔可夫模型方法(Hidden Markov Model)

　　Gabor 小波变换+图形匹配

　　人脸等密度线分析匹配方法