第二，由于软件开发以及各种半导体零部件占据了绝大多数成本，而其中较为核心的零部件还需要进口、底层软件开发方面在国内更是存在大量市场空白。

　　第三，易受到光照，角度，人脸部的装饰物等各种因素的影响。这也不难解释为什么人脸识别技术目前还没有大量应用在日常生活中，大部分人只能在科幻电影中接触人脸识别了。

　　第四，活体识别。能区分真人和照片的技术，这个研究领域叫liveness detection，中文叫做“活体取证”。

　　因为现在社交网络、电子成像产品很发达，人们可以很方便获取他人的人脸照片，进而来欺骗人脸识别系统，所以区分系统前的人脸是真的人脸，还是照片/视频/三维面具，就变得非常重要。

　　对于照片欺骗，主要是根据分辨率(翻拍的照片分辨率比直接从真人上采集的照片在质量、分辨率上有差别)、三维信息、眼动等来区分。对于视频欺骗，根据三维信息、光线等来区分。对于三维面具欺骗，这方面的研究还很少（实际欺骗场景也相对较少）。

　　计算机算法是可以区分照片和真人的。但是人脸活体取证在实际应用中，还有很大局限性。现在的算法基本还是基于实验室数据，离实用存在一段距离。

　　另外，在指纹、虹膜等模式识别上也面临这个问题。

　　五、结语

　　历经两起两落，人工智能技术在第三次高潮的推动下初见落地之势。基于深度学习神经网络算法在语音和视觉识别上的进展，识别率分别超过了99%和95%，感知智能时代已经逼近。最初在工业领域应用的机器视觉，逐步在日常生活场景中得到落地，从平面的图像识别向含有深度信息的人脸和其他模式识别过渡。

　　但据业内人士透露，国内人脸识别厂商在核心算法上拥有自主知识产权的极少，大部分国内外的人脸识别技术多数在OpenCV等开源库上进行新规则添加，或使用其它公司的收费SDK等。并且该领域的创业公司整体规模仍较少，从侧面也反映出其技术门槛和对口人才稀缺。

　　从总体上来看，从机器视觉产业的构成来看，视觉处理软件、镜头、工业相继、图像处理单元、图像采集卡都是必不可少的几个环节。未来，视觉识别技术公司对于芯片和模块厂商的支持需求旺盛，双方将走得更近，另外，创业公司的产品在扩宽渠道和领域时会偏更向消费者市场，如机器人和无人机等产品。上周，鸿海集团旗下子公司FOXTEQ HOLDINGS 参投了Face++ 2000万美元投资，不无与富士康投资的Pepper合作可能。

　　从产业链上发力，创业公司可能寻找到更多的投资机会。