证券研究报告 行业研究 专题报告 刷脸时代来临, 关注人脸识别机遇 专题研究报告 本期内容提要 : 2017 年 10 月 17 日 计算机行业 看好中性看淡 上次评级 : 看好, 计算机行业相对沪深 300 表现 20.00% 15.00% 10.00% 5.00% 0.00%

Transcription

1 刷脸时代来临, 关注人脸识别机遇 2017 年 10 月 17 日 边铁城计算机行业分析师 蔡靖 研究助理 袁海宇研究助理 请阅读最后一页免责声明及信息披露 王佐玉研究助理

2 证券研究报告 行业研究 专题报告 刷脸时代来临, 关注人脸识别机遇 专题研究报告 本期内容提要 : 2017 年 10 月 17 日 计算机行业 看好中性看淡 上次评级 : 看好, 计算机行业相对沪深 300 表现 20.00% 15.00% 10.00% 5.00% 0.00% -5.00% % % % % 信达证券股份有限公司 CINDA SECURITIES CO.,LTD 北京市西城区闹市口大街 9 号院 1 号楼 邮编 : 计算机 ( 申万 ) 沪深 300 资料来源 : 信达证券研发中心 边铁城行业分析师 执业编号 :S 联系电话 : 邮箱 :biantiecheng@cindasc.com 袁海宇研究助理 联系电话 : 邮箱 :yuanhaiyu@cindasc.com 蔡靖研究助理 联系电话 : 邮箱 :caijing@cindasc.com 王佐玉研究助理 联系电话 : 邮箱 :wangzuoyu@cindasc.com 人脸识别技术走向成熟, 从实验室向场景应用快速转变 2014 年 4 月香港中文大学教授汤晓欧领导的计算机视觉研究组, 通过 Gaussianface 将人脸识别的精度提升到 98.52%, 人脸识别精度首次超过了人眼的标准, 具有实际价值 2017 年最新的 LFW 测试中, 众多人脸识别公司识别精度已经超过人眼识别第一档 99.20%, 达到包含场景 背景信息下的人脸识别标准, 识别率具备了从实验室走向应用的基础 此外, 经过深度学习算法 数据集和计算力近几年的发展, 人脸技术的基础层已达要求 而且 3D 识别技术 红外光和可见光的结合, 使得人脸识别效果 安全性等得到了全面提升 目前, 已有中国农业银行 苹果等公司采用此类技术进行大规模应用推广 随着市场认可度的提高, 未来将有更多的领域进行应用 群雄逐鹿, 创业公司 上市公司和互联网巨头纷纷布局目前, 人脸识别领域主要有以云从 商汤 依图 旷视四大独角兽为首的初创公司, 海康威视 大华股份 佳都科技等上市公司和腾讯 阿里巴巴 百度等为首的互联网巨头三大阵营 三者不断加码布局人脸识别, 推出了一系列针对不同应用场景的人脸识别产品, 涵盖了安防 金融 商业等应用领域 其中, 初创公司主要以技术作为切入口, 通过与传统厂商的合作, 提供应用场景的技术支持, 来不断积累行业应用经验, 拓展产业链, 以实现软硬件结合 上市公司拥有相关行业应用领域的传统渠道, 通过自主研发 外延并购和投资等方式布局人脸识别领域 互联网巨头通过自研和一系列外延并购快速布局人脸识别, 以大规模数据量优势, 不断迭代深入研究人脸识别技术与应用, 以 C 端应用不断向 B 端拓展 人脸识别应用领域广阔, 产业化即将爆发自 2015 年起人脸识别的应用领域开始逐渐增多, 向安防 金融 商业等多领域拓展 其中, 安防和金融领域应用所占市场份额最大, 而手机移动终端应用成为新的增长点 安防领域门禁考勤 安检 公安监控和交通等应用均在不断推进, 金融领域以银行为主的传统金融和互联网金融普遍高度重视人脸识别, 农业银行 建设银行 中国银行 招商银行 京东金融 支付宝 小米金融等均已引入了人脸识别技术 2017 年 9 月 13 日, 随着 iphone X 的发布, 将人脸识别再次推向了风口浪尖 手机移动终端的应用将成为未来新的快速增长点, 产业链相关领域必将受益 投资评级 : 受益于未来下游应用需求增长 人脸识别产业政策扶持 技术逐渐成熟等因素的有利影响, 人脸识别未来持续发展能够得到保障 考虑人脸识别应用领域广泛, 安防 金融请阅读最后一页免责声明及信息披露

3 等应用领域市场仍处在快速增长期, 手机移动终端领域应用有爆发式增长的预期等因素, 我们看好人脸识别 重点关注拥有人脸识别全产业链的优势企业海康威视 (002415) 大华股份 (002236) 即将推出 3D 人脸识别产品的川大智胜 (002253) 拥有人脸识别产品核心零部件的水晶光电 (002273) 等 我们维持计算机行业 看好 评级 风险因素 : 宏观经济环境发生较大变化风险 ; 技术发展及落地不及预期风险 ; 人脸识别在手机移动终端的推进不及预期 ; 安防 金融应用领域发展不及预期 ; 部分公司估值过高回落风险等 请阅读最后一页免责声明及信息披露

4 目录人脸识别技术优势明显, 应用有望进一步打开... 1 人脸识别优势明显, 未来有望成为生物识别主导技术... 1 人脸识别流程及分类... 3 人脸识别技术的识别率超越人眼, 场景应用成熟... 4 生物识别市场规模快速增长, 人脸识别最具期待... 5 深挖人脸识别产业链, 寻找核心驱动力与机遇... 8 上游产业趋于成熟, 带动人脸识别快速爆发 中游人脸识别技术的进步, 推动下游场景应用发展 下游主要依赖对场景的深耕, 以打造一体化解决方案 三大阵营纷纷布局人脸识别, 规模化应用大势所趋 初创公司 : 四大独角兽技术领先, 产品涵盖应用领域广泛 上市公司 : 拥有传统渠道优势, 打造软硬件结合一体化解决方案 互联网巨头 :C 端影响力强大, 探索 B 端 人脸识别应用领域遍地开花, 关注三大应用 安防市场规模巨大, 人脸识别用武之地广阔 金融领域 : 银行与互联网金融成为最大驱动力 移动智能硬件终端 : 苹果引领人脸识别应用新增长点 行业评级及投资建议 风险因素 表目录表 1: 五种生物识别技术性能对比... 2 表 2: 人脸识别的优势... 2 表 3: 人脸识别三种不同的识别模式... 4 表 4:LFW 测试中人脸识别精度超过人眼识别第一档部分公司... 5 表 5: 年人脸识别相关政策... 8 表 6: 人脸识别产业链及代表公司 表 7: 国内外巨头深度学习开源平台 图 8:3D 人脸识别与 2D 人脸识别数据对比 表 9: 人脸识别四大独角兽对比 表 10: 人脸识别上市公司比较 表 11: 涉及人脸识别领域的上市公司 表 12: 国内外互联网巨头人脸识别布局 表 13: 人脸识别技术在部分机场应用情况 表 14: 银行部署人脸识别相关衍生市场规模 图目录图 1: 人脸识别过程... 4 图 2: 人脸特征点提取向量化... 4 图 3: 年全球生物识别技术市场规模 ( 亿美元 )... 6 图 4: 年全球生物识别技术行业细分市场规模预测 ( 亿美元 )... 6 图 5: 年中国生物识别技术市场规模 ( 亿元 )... 6 图 6:2015 年生物识别各细分领域所占市场规模比例... 7 图 7:2020 年生物识别各细分领域所占市场规模领域比例... 7 图 8:2017 年上半年刷脸支付用户满意度... 7 图 9: 人脸识别产业链... 9 图 10: 人脸识别三大要素 图 11: 不同识别模式的 ID 置信度 计算成本 数据源成本对比 图 12:AI 芯片产业生态图 图 13: 不受环境光影响的近红外人脸图像 图 14: 主动近红外成像设备 图 15:3D 视觉系统的工作原理 图 16:3 种 3D 成像模式 图 17: 四大人脸识别独角兽人工智能人才储备 图 18: 海康威视人脸识别系统抓拍示意图 图 19: 海康威视 ATM 智能防护视频分析 图 20: 大华股份人脸网络识别技术原理 图 21: 汉王科技人证合一人脸仪架构图 图 22: 汉王科技人脸识别门禁应用场景 图 24: 首都机场旅客自助通关查验系统 图 25: 深网视界人脸识别系统 图 26: 百度人脸识别机器人 小度 图 27: 百度 AI 开放平台人脸识别产品功能 图 28: 腾讯优图天眼解决方案 图 29: 阿里巴巴人脸识别支付 图 30: 人脸识别应用领域结构比例 (%) 图 31: E 中国安防行业市场规模 ( 亿元 ) 及年增速 (%) 图 32:2015 年安防各产业分布占比 图 33: 人脸识别在安防市场的应用推进进程图 图 35: 人脸识别在门禁系统应用优势 图 36: 中国农业银行 刷脸 取款 图 37:IPhoneX 人脸识别相关传感器 请阅读最后一页免责声明及信息披露

5 人脸识别技术优势明显, 应用有望进一步打开 人脸识别优势明显, 未来有望成为生物识别主导技术生物识别是指通过计算机与光学 声学 生物传感器和生物统计学原理等高科技手段密切结合, 利用人体固有的生理特性来进行个人身份鉴定技术 与传统的密码检验方式相比, 生物识别技术基于人的生物特性, 具有易测量 排他性以及终身不变的特点, 拥有检验快速 结果更准确的优势 目前主流的生物识别方式分别为指纹识别 虹膜识别 语音识别 静脉识别和人脸识别 指纹识别指纹识别是通过比较不同指纹的细节特征点来进行鉴别 每个人的指纹均不同, 同一人的十指指纹也有明显区别, 因此指纹可用于不同身份的鉴定 目前指纹识别是应用最为广泛的生物识别技术, 其技术成熟且成本低廉, 广泛应用于考勤 门禁等身份识别 指纹识别技术的优势是应用比较方便, 应用时间长, 认知度高, 但指纹是一种容易被窃取和复制的特征, 安全性较低, 且磨损后影响识别精度 此外, 指纹特征的稳定性较差, 脱皮 表皮茧子, 干湿状态等都会影响指纹的应用 虹膜识别虹膜技术是利用人眼睛虹膜纹理特征的一种识别技术 虹膜是人眼中瞳孔内的织物状各色环状物, 虹膜识别利用人眼图像中虹膜区域的特征 ( 环状物 皱纹 斑点 冠状物 ) 形成特征模板, 通过比较特征参数完成识别 该方法识别精度高 不易仿造, 但相关设备价格昂贵 从技术指标上来讲虹膜识别是比较精确的, 但使用上需要通过红外光或可见光照射眼睛取得图像, 使用者配合程度低, 会有较高的心理排斥性, 因此不适用于大人群应用 语音识别语音识别是通过分析语音的惟一特性进行身份验证 其设备距离范围大 安装简易, 但识别准确度低, 可能被录音欺骗, 且易受背景噪声 身体状况 情绪等因素影响 静脉识别静脉识别系统是根据血液中的血红素有吸收红外线光的特质, 将具近红外线感应度的小型照相机对着手指进行摄影, 即可把血管的阴影摄影出来 将血管图样进行数字处理, 制成血管图样影像 从而提取特征值, 运用先进的滤波 图像二值化 细化手段对数字图像提取特征, 同存储在主机中静脉特征值比对, 可对个人进行身份鉴定并确认身份, 全过程采用非接触式 目前主要包括手掌静脉识别 手指静脉识别及手背静脉识别这三项技术 目前静脉识别技术在中国大陆的市场应用还比较小, 该技术主要集中在日本企业中, 像日立 富士通 索尼仍在进行静脉识别技术相关的研究 此外, 此类已有数据较少, 不利 请阅读最后一页免责声明及信息披露 1

6 于大数据分析与人工智能学习, 且应用领域较有限, 很多应用场景不适用 人脸识别人脸识别与其他生物识别方式相比, 优势在于自然性 不被察觉性等特点 自然性即该识别方式同人类进行个体识别时所利用的生物特征相同 指纹识别 虹膜识别等均不具有自然性 不被察觉的特点使该识别方法不易使人抵触, 而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹 虹膜图像, 在采集过程中体验感不佳 目前人脸识别需要解决的难题是在不同场景 脸部遮挡等应用时如何保证识别率 此外, 隐私性和安全性也是值得考虑的问题 表 1: 五种生物识别技术性能对比 生物识别技术 易用性 / 便利性 准确性 安全级别 长期稳定性 识别设备成本 可能的干扰 指纹识别 较高 高 中等 较高 中等 脏物 油腻 皮肤磨损等 人脸识别 极高 高 高 较高 中等 光线 遮挡等 虹膜识别 中等 极高 极高 较高 高 隐形眼镜等 语音识别 高 中等 较高 中等 较低 噪音 感冒等 静脉识别 中等 高 高 较高 搞 年龄 生理变化等 资料来源 : 信达证券研发中心整理 人脸识别优势明显, 未来将成为识别主导技术 相比指纹识别 虹膜识别等传统的生物识别方式, 优点主要还集中在四点 : 非接触性 非侵扰性 硬件基础完善和采集快捷便利, 可拓展性好 在复杂环境下, 人脸识别精度问题得到解决后, 我们预计人脸识别有望快速替代指纹识别成为市场大规模应用的主流识别技术 表 2: 人脸识别的优势 人脸识别优势非接触性非侵扰性硬件基础完善采集快捷便利, 可拓展性好资料来源 : 信达证券研发中心整理 内容简介人脸识别可以不接触人体, 直接通过摄像头在一定距离内识别人的面部特征, 达到辨别的目的, 从而可以实现更大范围, 更多方位的信息采集 人脸识别的非接触性也为被采集者带来了非侵扰性的体验 一方面对人脸的采集无需被采集者配合也无需工作人员干预 另一方面人脸属于暴露在外的生物特征, 对人脸的识别采集更容易被大众接受 人脸识别对硬件的需求主要体现在摄像头上, 当前普及的智能手机均带有高像素的摄像头, 同时伴随国内视频监控体系建立的逐渐完善, 城市中高清晰度摄像头的密度逐渐增加, 因此相比需要特定的指纹识别设备等, 人脸识别的硬件基础优势明显 对基础设施的低要求及非接触的采集方式很明显缩短了信息采集时间, 提供了方便的采集方式 同时也为人脸识别后台系统的拓展性带来了明显优势, 基于现有的视频监控体系, 可以在后台系统加入出入控制, 人脸搜索等多种丰富功能 请阅读最后一页免责声明及信息披露 2

7 人脸识别流程及分类人脸识别主要包括图像采集 人脸检测 预处理 人脸特征点提取和人脸匹配 / 识别等一系列流程 图像采集 : 不同的人脸图像都能通过摄像镜头采集下来, 比如静态图像 动态图像 不同的位置 不同表情等方面都可以得到很好的采集 当用户在采集设备的拍摄范围内时, 采集设备会自动搜索并拍摄用户的人脸图像 人脸检测 : 人脸检测在实际中主要用于人脸识别的预处理, 即在图像中准确标定出人脸的位置和大小 人脸图像中包含的模式特征十分丰富, 如直方图特征 颜色特征 模板特征 结构特征及 Haar 特征等 人脸检测就是把这其中有用的信息挑出来, 并利用这些特征实现人脸检测 人脸图像预处理 : 对于人脸的图像预处理是基于人脸检测结果, 对图像进行处理并最终服务于特征提取的过程 系统获取的原始图像由于受到各种条件的限制和随机干扰, 往往不能直接使用, 必须在图像处理的早期阶段对它进行灰度校正 噪声过滤等图像预处理 对于人脸图像而言, 其预处理过程主要包括人脸图像的光线补偿 灰度变换 直方图均衡化 归一化 几何校正 滤波以及锐化等 人脸图像特征点提取 : 人脸识别系统可使用的特征通常分为视觉特征 像素统计特征 人脸图像变换系数特征 人脸图像代数特征等 人脸特征提取就是针对人脸的某些特征进行的 人脸特征提取, 也称人脸表征, 它是对人脸进行特征建模的过程 人脸特征提取的方法归纳起来分为两大类 : 一种是基于知识的表征方法 ; 另外一种是基于代数特征或统计学习的表征方法 通过人脸特征点提取得出一个人的眼镜 表情 胡须等特征, 将人脸特征进行向量化是决定识别准确率的一个关键一环 人脸图像匹配与识别 : 提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配, 通过设定一个阈值, 当相似度超过这一阈值, 则把匹配得到的结果输出 人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较, 根据相似程度对人脸的身份信息进行判断 这一过程又分为两类 : 一类是确认, 是一对一进行图像比较的过程, 另一类是辨认, 是一对多进行图像匹配对比的过程 请阅读最后一页免责声明及信息披露 3

8 图 1: 人脸识别过程 图 2: 人脸特征点提取向量化 资料来源 : 信达证券研发中心 资料来源 :EGONetworks, 信达证券研发中心 人脸识别按照识别方式应用的不同主要分为 1:1 1:N 和 M:N 三种模式 : 表 3: 人脸识别三种不同的识别模式 模式别称内容简介 1:1 人脸验证对比 1:N 静态人脸对比 M:N 动态人脸对比 资料来源 : 商业电讯, 信达证券研发中心 比如入住酒店, 前台要求在一台机器面前, 将身份证的照片与现场照片进行对比, 只有结果符合才可以入住 这是一个较为简单的 1:1 人脸识别应用 1 为采集人脸识别目标,N 为数据库库内人脸的数量 比如说, 人脸门禁应用, 在办公室门口设置摄像头, 并将员工库作为 N, 每当一个人经过, 系统在库中做特征比对, 以确认此人是否为员工 静态人脸比对使用的频率比较低, 只有当客户要做一次搜索时它才会使用 简单说就像一个搜索引擎, 在搜索结果里挑一个认为对的, 或者是把搜索结果呈现的前几名看上去都很像, 分别调查后能够快速缩小调查范围 摄像头每看到一个人后, 就在库里去比对这个人是谁, M 代表的就是摄像头, 或者网络里所有摄像头抓到的人脸数目 N 就是对比库中的目标数目, 抓到的每一张脸都得查询对比一遍, 然后对于这个脸对比 N+1 次 对于摄像头看到的所有 M 个人, 对比次数也就是 M (N+1) 次 动态人脸使用频率非常高, 因为是一个全自动体系 这些应用里, N 的数量级有很大区别, 比如说某城市部署了上千个摄像头用来拍摄人脸, 每个摄像头每秒钟都会抓取数张人脸, 那么系统每秒钟便抓拍了上千张, 每天四千万张, 每个月十几亿张 当某个应用需要我们在十几亿的人脸抓拍库中进行比对时, 将使用一个新技术 视频大数据处理 人脸识别技术的识别率超越人眼, 场景应用成熟 人脸识别技术识别率超越人眼识别, 已具备走向应用的基础条件 LFW 是国际上公认难度最高的人脸图像集之一, 在 LFW 中人眼的识别精度有三个档次 : 第一档 : 包含场景 背景信息的人脸识别, 人眼识别精度可达 99.20%; 第二档 : 仅提供人脸脸 请阅读最后一页免责声明及信息披露 4

9 部图像时, 人眼识别精度为 97.53%; 第三档 : 不包含人脸的图像, 人眼识别精度为 94.27% 2014 年 3 月 18 日 Facebook 宣布推出 DeepFace, 在 LFW 上识别精度可达 97.25%; 同年 3 月, 清华 Face++ 团队宣布同样通过 LFW 测试, 识别精度达 97.27%; 不久,4 月 25 日香港中文大学教授汤晓欧领导的计算机视觉研究组通过 Gaussianface, 将人脸识别的精度提升到 98.52%, 人脸识别精度首次超过了人眼的标准, 具有实际价值 2017 年最新的 LFW 测试中, 众多人脸识别公司识别精度已经超过人眼识别第一档, 达到包含场景 背景信息下的人脸识别 人脸识别技术走向应用已经具备基础条件 表 4:LFW 测试中人脸识别精度超过人眼识别第一档部分公司 人脸识别公司 识别率 人脸识别公司 识别率 Face ± OrionStar ± DeepID ± YuntuWiseSight ± betaface.com ± PingAnAILab ± DeepID ± Turing ± FaceNet ± Hisign ± Baidu ± VisionLabsV ± AuthenMetric ± Deepmark ± CW-DNA ± ForceInfosystems ± Faceall ± ReadSense ± Facevisa ± CM-CV&AR ± ColorReco ± sensingtech ± Daream ± Glasssix ± Dahua-FaceImage ± icarevision ± SamtechFacequest ± EasenElectron ± THUCV-AILab ± yunshitu ± dlib ± RemarkFace ± Aureus ± YouTuLab,Tencen ± 资料来源 :LFW 官网, 信达证券研发中心 生物识别市场规模快速增长, 人脸识别最具期待 据前瞻产业研究院统计数据,2007 年至 2013 年生物识别技术的全球市场规模年均增速为 21.7% 2015 年生物识别技术全球市场规模已达到 130 亿美元,2020 年预计将达到 250 亿美元,5 年内年均增速约 14% 其中, 指纹识别市场规模将有 130 亿美元, 语音识别将有 56 亿美元 人脸识别为 24 亿美元 虹膜识别将有 16 亿美元 其他生物识别技术将有 24 亿美元 据前瞻产业研究院提供的 中国生物识别技术行业市场调研与投资预测分析报告 指出,2010 至 2014 年, 国内生物识别市场规模增长率保持在 60% 以上, 远超全球平均水平 在良好发展趋势下,2015 年中国生物识别市场规模已突破 100 亿元, 预计 2020 年市场规模将突破 300 亿元 其中, 人脸识别领域 2016 年市场规模已超过 10 亿元 预计未来五年, 我国人脸识别市请阅读最后一页免责声明及信息披露 5

10 场规模年复合增长率将达到 25%, 到 2021 年, 人脸识别市场规模有望达到 51 亿元左右 我们预计未来几年人脸识别发展速 度会超出预期, 人脸识别技术带动下的应用市场规模巨大, 值得期待 图 3: 年全球生物识别技术市场规模 ( 亿美元 ) 图 4: 年全球生物识别技术行业细分市场规模预测 ( 亿美元 ) 资料来源 : 前瞻产业研究院, 信达证券研发中心 资料来源 : 前瞻产业研究院, 信达证券研发中心 图 5: 年中国生物识别技术市场规模 ( 亿元 ) 资料来源 : 前瞻产业研究院, 信达证券研发中心 指纹识别份额逐渐降低, 人脸识别将成为生物识别技术中增长最快的领域 我国生物识别行业最早起源于指纹识别技术的发展, 随后兴起的是人脸识别 指静脉识别 虹膜识别 掌形识别等 指纹识别技术由于起步最早, 早早占领着生物识别技术的绝大多数市场份额, 但随着时间的推移和在接受市场的检验中, 人们逐步意识到其在采集难度 防伪程度 抵触心理方面受到了一定程度的质疑, 加上其他生物识别技术的快速发展, 指纹识别的市场占有率整体呈下降趋势 据前瞻产业院数据, 预计 2015 年到 2020 年, 各细分行业市场规模增幅分别为 : 指纹 (73.3%) 语音(100%) 人脸(166.6%) 虹膜(100%) 其他 (140%), 指纹识别所占市场规模比例从 58% 降为 52% 请阅读最后一页免责声明及信息披露 6

11 图 6:2015 年生物识别各细分领域所占市场规模比例 图 7:2020 年生物识别各细分领域所占市场规模领域比例 资料来源 : 前瞻产业研究院, 信达证券研发中心 资料来源 : 前瞻产业研究院, 信达证券研发中心 人脸识别接受度高, 未来成长预期好 据 iimedia Research( 艾媒咨询 ) 数据显示,2017 上半年, 中国使用过刷脸支付的网民占比 18.7%, 绝大部分用户仍选择使用密码及指纹支付等已经应用较久的支付形式 2017 上半年, 在中国使用过刷脸支付用户中,75.0% 认为刷脸支付更加简洁方便, 已经可以实现不需特定姿势且较为准确的验证 而仍有 9.4% 的用户对刷脸支付持怀疑态度 图 8:2017 年上半年刷脸支付用户满意度 资料来源 : 艾媒咨询, 信达证券研发中心 人工智能 (AI) 被世界各国所重视,AI 领域的研发和推广被许多国家上升至国家级战略规划 人脸识别作为其中的一个子类, 目前已经逐渐在各领域得到应用, 其对人精准并且便利的辨别特性使得各领域逐渐加大对人脸识别的重视和应用推广 尤其是安防 金融等领域 近年来相关政策的频频出台, 也为人脸识别技术的发展提供了政策保障, 未来人脸识别将会有更大的发展空间和应用市场 请阅读最后一页免责声明及信息披露 7

12 表 5: 年人脸识别相关政策 发布时间发布部门政策名称主要相关内容 2015 年 1 月 中国人民银行 关于银行业金融机构远程开立人民币账户的指导意见 2015 年 4 月 国务院办公厅 中共中央办公厅 关于加强社会治安防控体系建设的意见 2015 年 7 月 国务院 互联网 + 行动指导意见 2016 年 5 月 发改委 科技部等 4 部门 互联网 + 人工智能三年行动实施方案 2016 年 7 月 国务院 十三五 国家科技创新规划 2016 年 9 月 国家发改委办公厅 国家发展改革委办公厅关于组织申报 互联网 + 领域创新能力建设专项的通知 2016 年 11 月 中国人民银行 关于落实个人银行账户分类管理制度的通知 2016 年 12 月 国务院 十三五 国家战略性新兴产业发展规划的通知 2016 年 12 月 中国人民银行 中国人民银行关于改进个人银行账户服务加强账户管理的通知 2017 年 7 月 国务院 新一代人工智能发展规划 资料来源 : 信达证券研发中心整理 坚持柜台开户为主, 远程开户为辅, 实施客户身份识别机制的自证 提出网络化管理以精确信息做到矛盾化解, 未来网络化和精细管理是平安城市和智慧交通管理的发展方向 加大计算机视觉 智能语音处理 生物特征识别等关键技术的研发和产业化 到 2018 年, 打造人工智能基础资源与创新平台, 人工智能产业体系 创新服务体系 标准化体系基本建立 大力发展泛在融合 绿色宽带 安全智能的新一代信息技术, 推动人工智能的发展 深度学习技术及应用国家工程实验室, 支撑开展大规模计算机视觉 生物特征识别 复杂环境感知 新型人机交互等技术的研发和工程化 对二 三类账户的开立 变更 注销 个人信息验证办法, 以及人脸识别等技术手段及不同账户的使用功能和限制做了详细的规定 积极推动在制造 教育 环境保护 交通 商业 健康医疗 网络安全 社会治理等重要领域开展试点示范, 推动人工智能规模化应用 提供个人银行开立服务时, 有条件的银行可探索生物特征识别技术和其他有效的技术手段作为核验 推动人工智能在教育 医疗 养老 城市运行 服务等领域广泛应用, 提高公共服务的精细化能力 深挖人脸识别产业链, 寻找核心驱动力与机遇 剖开深度学习基础上的人脸识别产业链, 可以看到, 产业链上游为基础层, 包括人工智能芯片 算法技术和数据集 ; 中游由视频人脸识别 图片人脸识别和数据库对比检验等技术层构成, 大体包括人脸检测 活体检测 人脸识别 视频对象提取与分析等技术 ; 下游则是具体的场景应用, 即应用方案 消费类终端或服务等 下游以摄像头为主的硬件采集端和应用端采集人脸数据, 为数据集丰富数据, 对于基础层算法的更新迭代形成正反馈 请阅读最后一页免责声明及信息披露 8

13 图 9: 人脸识别产业链 资料来源 : 信达证券研发中心 拥有数据闭环对于人脸识别企业非常重要 数据闭环是公司内部大量的数据流动, 这些数据来自于多个渠道, 有来自于业务系统 有来自于专门的数据采集系统, 这些数据在闭环内以高效的方式进行处理, 算法在这个过程中不断迭代, 反哺到业务上, 并获得更多的数据, 以此形成闭环 布局者进行场景的深化, 构建人脸识别全产业链大势所趋 人脸识别的商业模式将从单纯的 产品输出 向 技术 产品 解决方案 服务 云计算 / 大数据 ( 数据获得与分析 ) 全产业链模式转型 全产业链模式类似微笑曲线, 越往两端附加值越高, 左端的人脸识别算法技术和右端的大数据是未来产业的制高点 由于当前产业本身尚未进入数据变现阶段, 因此把握人脸识别核心技术者将获得先机, 但拥有大规模数据与处理能力者在后续发展中会更加动力十足 目前, 国外巨头公司大多呈现全产业布局的特征, 即上中下游均有布局 国内人脸识别创业公司基本缺席上游的芯片和算法开发环节, 除了少量在中游有技术突破外, 大多数集中于下游场景应用层, 这很大程度上得益于国内庞大的应用场景支持 在具体的场景应用商业化落地环节, 以 BAT 为代表的国内互联网巨头, 由于无法将计算机视觉的某一个子模块拿出来单独盈利 因此在应用落地上并没有明显的优势, 而是创业公司突破能力更强 但互联网巨头拥有最大的数据源, 人脸识别的后续发展动力十足 上市公司海康威视 大华股份 佳都科技和汉王科技等在人脸识别领域已基本拥有全产业链, 但大多也缺少人工智能芯片核心技术 因为拥有传统硬件或行业应用一站式解决方案等渠道, 目前主要通过将人脸识别作为硬件或解决方案的附加值来实现盈利 请阅读最后一页免责声明及信息披露 9

14 表 6: 人脸识别产业链及代表公司 产业链技术领域代表公司 上游 ( 基础层 ) 芯片 : 中央处理器 (CPU) 图形处理器 (GPU) 视频处理器 (VPU) 张量处理器(TPU) 算法 : 深度神经网络 卷积神经网络 循环神经网络数据集 英伟达 Intel 旗下 Movidius AMD Vision 谷歌 微软 阿里巴巴 腾讯 百度 商汤科技等 各大巨头公司 图像人脸识别技术中游 ( 技术层 ) 视频对象提取分析技术智能应用 : 美图软件 图片搜索引擎 软件系统解决方案等下游 ( 应用层 ) 智能硬件终端 : 智能安防 手机人脸识别等资料来源 : 信达证券研发中心整理 商汤科技 旷视科技 阿里巴巴 腾讯等海康威视 大华股份等商汤科技 百度 旷视科技 云从科技等海康威视 大华股份 苹果等 上游产业趋于成熟, 带动人脸识别快速爆发数据量 计算力和算法模型成为影响人脸识别基础层发展的三大要素 2000 年后, 数据量的上涨 计算力的提升和深度学习算法的出现促进了计算机视觉行业的发展 作为计算机视觉中重要的人脸识别, 以摄像头为主的采集终端的大规模普及带来了数据量的增长, 深度学习算法的出现可以实现精准的识别功能 此外, 云计算技术 服务器和人工智能芯片等相关硬件性能的提升, 对于处理数据的计算力有很强的助力作用, 从而人脸识别应用方案走入人们的生活成为现实 图 10: 人脸识别三大要素 资料来源 : 艾瑞咨询, 信达证券研发中心 实现人脸识别, 深度学习几乎成为标配, 而深度学习最根本的依赖是好的数据 目前人工智能行业的现状是, 必须拥有千万级别以上的数据, 才可能训练出比较好的模型, 人脸识别系统也不例外, 而人脸数据在数据源成本中处于较高的位置 目前 请阅读最后一页免责声明及信息披露 10

15 主要由互联网巨头, 以海康威视 大华股份为主拥有数据采集终端的大型厂商和以银行 公安为主的大型国有机构等拥有大 规模的人脸数据 图 11: 不同识别模式的 ID 置信度 计算成本 数据源成本对比 资料来源 : 雷锋网, 信达证券研发中心 计算能力的突破, 让人脸识别应用场景瞬间增加 纯数据驱动的算法, 需要极强的运算能力以带动巨大的数据处理需求, 所以在早期, 一些实验训练只能在微软 谷歌等巨头公司进行 尤其对于人脸数据的计算成本是高于其他识别方式的, 一次人脸识别算法的迭代训练, 用 CPU 计算, 可能要十几天乃至几十天才能完成, 效率低 投入高, 但换成 GPU 后, 可能就只需要几小时 技术带来的巨大变革, 使得各种小型的创业公司能够通过 GPU 的运算进入到深度学习领域, 实现了人工智能研究应用的 平民化, 进而带动了应用场景的不断丰富和快速增加 人工智能未来计算力的进一步发展, 很可能将主要取决于底层软硬件设施的升级 当前国外巨头均不惜成本投入 AI 芯片研发, 以期掌握主导权 而国内的上层芯片和算法研发均为短板, 商汤科技搭建算法平台, 上游合作厂商就是英伟达 同时, 技术升级也必然将加大对计算数据体量的需求, 不管国内国外, 掌握大量有价值数据的, 都是互联网巨头公司, 对创业公司来说, 很难凭借自身案例积累形成计算升级所需要的应用场景庞大的数据库 此外, 未来超级计算机 云计算和大数据处理也将成为人工智能计算力发展进步的关键因素 在人脸识别产业链上游人工智能芯片领域, 国内创业公司从事核心技术的不多, 国际领先的计算机视觉开发商已形成优势 其中, 英伟达在人工智能可通用 GPU 领域占据统治地位 此外, 谷歌 微软 IBM 等也都自行研发了 AI 芯片 Intel 收购的 Movidius 是主要的图像芯片提供商, 大疆无人机 海康威视和大华股份的智能监控摄像头均使用了 Movidius 的 Myriad 系列芯片 目前, 国内有人人智能 智芯原动等创业公司提供摄像头端的 AI 加速 IP 及芯片解决方案 未来人脸识别技术的公司中, 商汤科技 Face++ 云从 依图等独角兽有可能随着其自身计算机视觉技术的积累渐深, 部分公司向上游延伸去做图像芯片 (CV 芯片 ) 研发 请阅读最后一页免责声明及信息披露 11

16 图 12:AI 芯片产业生态图 资料来源 : 搜狐网, 信达证券研发中心 算法领域, 美国互联网巨头谷歌 FACEBOOK 微软都推出了深度学习算法开源平台, 在深度学习算法方面有着明显的技术优势 2016 年以来, 以谷歌 微软为首的巨头为了抢占市场, 将自己研发的算法技术进行开源, 导致很多企业免去人工智能基础技术研发投入, 只需要采用开源算法或经过训练的人工智能芯片, 再结合行业数据进行训练, 就可开展行业应用落地 与之对比, 百度 PaddlePaddle 是国内巨头中唯一开放的深度学习算法开源平台 表 7: 国内外巨头深度学习开源平台 公司 开源平台名称 成立时间 特点简介 谷歌 TensorFlow 2015 年 11 月 一款开源的数学计算软件, 使用数据流图 (Data Flow Graph) 的形式进行计算 微软 DMTK 2015 年 11 月分布式机器学习工具包 CNTK 2016 年 1 月开源深度学习工具包 IBM SystemML 2015 年 11 月 可伸缩机器学习 (ML) 语言, 使用 Java 编写 Facebook Torchnet 2015 年 12 月 构建模型简单, 高度模块化, 快速高效的 GPU 支持 亚马逊 DSSTNE 2016 年 5 月 使用 GPU 训练和部署深度神经网络的开源工具 百度 PaddlePaddle 2016 年 9 月 覆盖搜索 图像 语音识别 语义处理 用户画像等领域技术 资料来源 : 信达证券研发中心整理 中游人脸识别技术的进步, 推动下游场景应用发展 3D 人脸识别成为未来人脸识别的主要解决方案 目前人脸识别市场的解决方案主要包括 :2D 识别和 3D 识别技术 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 请阅读最后一页免责声明及信息披露 12

17 图 8:3D 人脸识别与 2D 人脸识别数据对比 对比项 3D 人脸识别 2D 人脸识别 FAR/FRR 实验 FAR % % 说明 : 错误接受率越低, 识别安全性越高 FRR % % 说明 : 错误识别率越低, 使用就越方便 环境适应性实验 姿态变化 100% 识别率 23% 识别率 头发遮挡 87% 识别率 50% 识别率 头部遮挡 95% 识别率 低于 5% 成功率 弱光线 100% 识别率 0% 识别率 资料来源 : 中关村在线安防论坛, 信达证券研发中心 近红外解决人脸识别环境光照影响难题 传统的人脸识别技术主要基于可见光图像的人脸识别 基于可见光的人脸识别方法 在遇到光照情况变化时, 识别效果会急剧下降, 无法满足实际系统的需要 比如, 拍照时遇到侧光时出现的 阴阳脸 现象, 就可能无法正确识别 因此, 消除环境光照是实用化人脸识别系统首先必须要解决的问题 解决光照问题的方案有三维图像 人脸识别和热成像人脸识别, 目前这两种技术还不成熟, 单独识别效果不尽人意 但基于近红外图像的人脸识别核心技术和 系统, 在不同光线条件下, 能够拍摄不受环境光照变化影响的近红外人脸图像, 加上领先的算法, 能够取得很高的识别率 相较之下, 近红外人脸识别系统彻底解决了困扰人脸识别领域的环境光照影响问题 图 13: 不受环境光影响的近红外人脸图像 资料来源 : 天诚盛业官网, 信达证券研发中心 请阅读最后一页免责声明及信息披露 13

18 近红外人脸识别包括两部分 : 主动近红外人脸成像设备和相应的光照无关人脸识别算法 使用强度高于环境光线的主动近红外光源成像, 配合相应波段的光学滤片, 可以得到环境无关的人脸图像, 人脸图像只会随着人与摄像头的距离变化而单调变化 在此图像上采用一些特定的特征提取方式, 如 : 局部二元模式 (Local Binary Pattern,LBP) 特征, 可以进一步消除图像的单调变化, 得到完全光照无关的特征表达 近年来, 近红外人脸识别在实际生活中已经有了诸多应用, 如 : 深圳 - 香港生物护照自助通关系统, 澳门 - 珠海生物护照自助通关系统, 北京机场 T3 航站楼自助通关系统 等, 均取得了很好的效果 农行采用安全度更高的红外双目摄像头活体检测技术, 同时实时采集近红外和可见光两种图像, 通过分析人脸皮肤的纹理及微小动作带来的光流场的规律变化进行活体检测, 可以有效防范攻击, 准确度高, 识别时间短, 不需要用户配合, 极大提升了刷脸取款安全等级和用户体验 图 14: 主动近红外成像设备 资料来源 : 天诚盛业官网, 信达证券研发中心 3D 人脸识别技术 近红外技术与 3D 摄像头协同发展, 带动 3D 光学产业链 iphone 十周年机型 iphonex 拟应用以 VCSEL 激光器为核心关键器件的 3DSensing 摄像头, 实现人脸识别与 AR 功能等, 此举将带动整个手机移动终端的变革 目前,3D 光学产业链主要集中在欧美, 我国主要在光学镜片和模组 滤光片以及半导体设备上领先 3D 光学感测的产业链, 欧美领先厂商包括意法半导体 AMS( 奥地利 ) Lumentum 等 国内主要有 ASM Pacific 和水晶光电 另外, 随着安卓阵营的跟随, 模组厂商舜宇光学 欧菲光和邱钛科技也有望受益 3D 视觉系统的工作原理为 : 首先红外激光发射器发射出近红外光, 经过人脸的反射之后, 被红外图像传感器所接收, 这个图像信息用来计算人脸所处的位置 (Z 轴 ) 同时, 可见光图像传感器采集二维平面 (X 与 Y 轴 ) 的人脸信息 (Vis Light) 两颗图像传感器的信息汇总至专用的图像处理芯片, 从而得到人脸的三维数据, 实现空间定位 请阅读最后一页免责声明及信息披露 14

19 图 15:3D 视觉系统的工作原理 资料来源 :EEPW, 信达证券研发中心 3D 成像模式主要有结构光,TOF 和双目测距法 三种不同的技术系统来说, 结构光和 TOF 模式的硬件成本最高, 两者都需要额外的红外光源, 而双目测距是不需要的, 但从算法来讲反而是前两者更简单 目前从国内外的使用情况来看, 联想 PHAB2Pro Tango AR 手机用的是 TOF 技术, 微软 HoloLens 也是采用的 TOF 技术, 虽然两者技术苹果均掌握, 但目前苹果 iphonex 采用结构光技术 就这两者技术而言, 从表现来说结构光反应快,TOF 反应慢, 结构光距离越远精度越差,TOF 精度影响不大 整体来讲, 反应上结构光好, 距离上 TOF 更好 图 16:3 种 3D 成像模式 资料来源 : 东方网, 信达证券研发中心 结构光和 TOF 在硬件上的差异不大, 都由发射端和接收端构成, 主要的区别在于结构光需要将光源变成特定的图谱, 所以需要衍射光学元件 (DOE) 硬件配臵分为发射端与接收端两大部分: 结构化光发射器模块包括主动对准设备, 滤波器, 晶片光学元件, 衍射光学元件 (DOE),VCSEL 和外延晶片 接收端包括红外透镜, 滤光片,CIS 和 CMOS 图像传感器 请阅读最后一页免责声明及信息披露 15

20 目前 3D 成像模式中主流采用方式均采用红外光作为光源 VSCEL 作为光源, 光线相较于普通激光器而言具有低功耗 体积小的优势 VSCEL 原先主要应用于光通信和光互连领域, 国外 Finisar 和 Avago 两巨头占据市场的 80%, 被广泛采用于辅助聚焦 距离传感 识别等领域 目前, 国内只有光迅科技具备 10Gbps 以下 VCSEL 生产能力 滤光片 : 过滤掉频率不符合的光源 水晶光电与 Viavi 国际领先 镜片 : 与可见光镜片不同, 红外光镜片需要满足广角的特性, 以尽可能保留深度信息 例如 Google Tango 的红外镜头, 就是舜宇光学制造的, 主要厂商还包括台湾的大立光和玉晶光 CIS 传感器 :CIS 传感器由可见光和红外传感器组成, 主要厂商为奥地利 AMS, 以及意法半导体 CIS 传感器制造设备和主动对准工具 : 主要提供商为 ASM Pacific, 占据全球主要市场份额 模组 : 舜宇光学 欧菲光 邱钛科技等在模组上占据全球光学模组的重要地位 下游主要依赖对场景的深耕, 以打造一体化解决方案人脸识别对场境要求非常强, 产品能否达到实际使用要求, 核心并不只在于算法本身, 还在于对场景的深耕 算法水平对于识别率的有力证明, 也仅仅是停留在训练集与测试集之间, 存在于实验室的 理论数值 LFW 测试的图片数据多来自网络, 现实生活中人脸的获取过程有大量不可控因素 光的方向 强度, 是否有胡须 发型的变化, 是否有表情都会影响识别效果 多种因素叠加后, 真实环境下测得的准确率可能只有 75% 左右, 甚至更低 场景自身同样包含着不同需求 如 证照对比, 二代身份证照片分辨率较低, 或者拍摄时间跨度较大, 都会影响识别效果 嫌疑人排查 有配合的一比一识别 无配合的一比一识别, 都有不同的场景特点 这就需要针对场景的不同特点收集大量场景数据, 不断调试参数 组合算法 方法, 甚至使用外围硬件辅助以提升效果, 不断迭代以实现产品化 除此之外, 还要在工程上满足计算量 延迟 可维护性等需求 目前, 人脸识别产品或解决方案应用主要分布在以海康威视 大华股份 苹果等拥有软硬件结合和多年场景应用的企业, 而创业公司多是为应用场景等提供技术服务, 不断积累该领域经验 布局全产业链或与拥有相关应用经验的企业进行合作 三大阵营纷纷布局人脸识别, 规模化应用大势所趋 目前人脸识别领域主要有以云从 商汤等四大独角兽为首的初创公司, 海康威视 佳都科技等上市公司和腾讯 阿里巴巴 百度为首的互联网巨头三个大阵营 三者不断加码布局人脸识别, 推出了一系列针对不同应用场景的人脸识别产品, 涵盖了安防 金融 商业等应用领域 初创公司 : 四大独角兽技术领先, 产品涵盖应用领域广泛人脸识别技术得到突破的同时, 涌现出一批优秀创业公司, 凭借领先的技术优势率先对商业模式进行探索, 对新兴应用市场 请阅读最后一页免责声明及信息披露 16

21 实现了初步开拓 通过创业公司的梳理, 可以发现整个创业公司普遍凭借领先的技术优势切入市场, 通过融资获取资金, 然后定位重点领域通过优势产品占领市场, 其中安防 金融成为了一致重点发力领域 我们预计人脸识别领域创业公司后续发展思路将延续从软件到硬件到产品最后到软硬件一体化解决方案的路径 目前人脸识别领域创业公司中涌现出云从 依图 商汤和旷视 (face++) 四大独角兽 表 9: 人脸识别四大独角兽对比 核心业务及优势领域最新融资融资金融上市公司关系互联网客户金融客户移动终端客户安防客户 人脸识别等服务提供商, 致 京东金融 小米 武汉市公 依图科技 力于将人工智能与安防 金融 交通 医疗等行业应用和结合, 拥有完整的实名认 C 轮 3.8 亿人民币 与神思电子共同成立 深思依图 360 腾讯等 金融 招商银行 浦发银行 方正证券 上海 安 苏州市公安 中国边检 中国 证解决方案和市场优势 证券交易所等 海关等 云从科技 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 多家银行均已采用云从的产品 此外, 在安防航空领域也是最具优势的公司 2017 进行中 佳都科技和关联方卓安投资共同投资持股 18% 和 9% 农业银行 建设银行 中国银行 重庆银行 海通证券 友邦保险 广州银行等 泉州市公安 牡丹江公安 北京西站 南昌站 厦门北站 惠州机场等 商汤科技 人脸识别等服务技术开发商, 涉及金融 移动互联网 安防监控三大行业, 目前在大力布局智慧城市安防项目 B 轮 4.1 亿美元 与东方网力共同成立 深网视界, 科大讯飞子公司少量持股 京东 今日头条 微博 Face U 一直播等 招商银行 拉卡拉 融 360 微商银行 建设银行等 中国移动 华为 小米 小米 OPPO VIVO 等 公安三所等 旷视科技 拥有人脸识别云计算平台, 专注于研发人脸检测 识别 分析和重建技术, 应用于金融 安防 零售 出行领域等, 目前, 为支付宝提供人脸登录功能支持 C 轮 亿元及以上美元 世纪佳缘 视吧 美图秀秀 神州租车 滴滴出行 易到用车 菜鸟驿站等 中信银行 北京银行 江苏银行 招商银行 支付宝 小米金融等 无锡市公安局 公安部一所等 资料来源 : 信达证券研发中心整理 国内人脸识别创业公司的商业模式, 主要是面向 B 端提供基于软件的解决方案, 满足个性化需求 人脸识别领域的大多数创业公司, 早期都是从零开始接触产业, 大多不能直接进入已然成熟的硬件市场, 而只能作为增值服务提供方, 在软件层面与硬件厂商进行合作 从业务领域看, 国内创业公司在 B 端的业务较为同质化, 大部分集中于安防 金融等应用场景 在消费领域, 创业公司在这些领域的竞争趋于白热化, 智能美图等应用也基本在大众中普及 实现人脸识别技术转化为应用实现盈利成为未来创业公司的关键 请阅读最后一页免责声明及信息披露 17

22 安防类软硬结合复杂度超出预计, 创业公司多与传统厂商合作开发人脸识别产品 2015 年 7 月, 商汤与东方网力共同成立 深网视界 : 商汤以其人群智能分析 人体 Re-ID( 检索 ) 两项自有技术作价出资, 持股 49%, 东方网力出资 5000 万, 持股 51% 主要发展智能安防产品业务, 致力成为拥有计算机视觉和深度学习原创技术的领先安防产品提供商 次年 4 月, 商汤并购安防黑马 新舟锐视, 以弥补其抢球联动产品的短板 与之类似,2016 年 5 月依图与传统身份识别解决方案商神思电子成立 深思依图, 神思电子提供终端设备及嵌入式软件, 依图提供所需技术, 双方各持股 49% 51% 云从自正式成立时便绑定了智慧城市解决方案提供商 上市公司佳都科技 而旷视背靠阿里成立子品牌 旷视智安, 专注算法产品化 人工智能技术的发展竞逐实际是人才战, 人脸识别四大独角兽技术优势明显 依图创始人朱珑在美国加州大学洛杉矶分校, 获统计学博士, 师从霍金的弟子艾伦 尤尔 (Alan Yuille) 教授, 从事计算机视觉的统计建模和人工智能的研究 在麻省理工学院人工智能实验室担任博士后研究员, 深入研究大脑科学和计算摄影学 技术团队主要来自 MIT Google 阿里巴巴等知名学术和互联网巨头机构 旷视团队汇集了清华 哥伦比亚 斯坦福 微软亚洲研究院等国际顶级院校 科研机构的技术极客, 以及来自谷歌 阿里巴巴 华为 微软等企业的一流人才 云从科技创始人周曦师从美国工程院院士 计算机视觉之父 黄煦涛教授, 专注于人工智能识别领域的机器视觉研究 周曦带领团队曾在计算机视觉识别 图像识别 音频检测等国际挑战赛中 7 次夺冠 目前有上海 成都 重庆三个研发中心, 美国 UIUC 和硅谷两个前沿实验室, 及中科院 上海交大两个联合实验室组成三级研发架构 云从科技研发团队成员有 300 多人,80% 以上拥有硕士学历, 与公安部 四大银行 民航总局均建有联合实验室 商汤团队拥有亚洲最大的深度学习团队, 包括 18 名教授以及来自麻省理工 斯坦福大学 清华 北大等世界名校的 120 余名博士生 此外, 商汤科技已与香港中文大学 清华大学 浙江大学 上海交通大学等众多高校院所建立了合作 其中与香港中文大学 浙江大学分别建立有联合实验室, 共同推进基础研究 图 17: 四大人脸识别独角兽人工智能人才储备 资料来源 : 脉脉数据研究院, 信达证券研发中心 请阅读最后一页免责声明及信息披露 18

23 上市公司 : 拥有传统渠道优势, 打造软硬件结合一体化解决方案上市公司企业中涉及人脸识别的主要是以安防起家的众多软硬件一体化方案供应商, 其中海康威视 大华股份 汉王科技 海鑫科金和川大智胜等在人脸识别方面已经深耕多年, 通过自主研发已有相关成熟解决方案或产品 此外, 佳都科技 工大高新 东方网力和欧比特等通过外延并购或投资进入人脸识别领域 表 10: 人脸识别上市公司比较 公司简称 总市值 ( 亿元 ) 市盈率 (TTM) 营收年均复合增长率 (%) 海康威视 3, 大华股份 汉王科技 川大智胜 海鑫科金 外延并购型 公司简称 总市值 ( 亿元 ) 市盈率 (TTM) 切去人脸识别领域时间及实践 佳都科技 年 4 月公司及一致行动人入股云从科技 27%, 成为第二大股东 ;2016 年收购苏州千视通 19.6% 股份 工大高新 年 5 月工大高新并购汉柏科技 100% 股份 东方网力 年 5 月与依图科技合资成立深网视界, 占股 49% 欧比特 年 10 月收购铂亚信息 100% 股权 资料来源 :Wind, 信达证券研发中心注 : 表中 总市值 和 市盈率 计算日期为 上市公司业务中涉及人脸识别领域出现强者恒强的现象 尤其以安防起家的海康威视和大华股份, 近三年营收复合增长率在 35% 以上, 员工近三年也出现较大幅度上涨 而通过外延并购介入人脸识别领域的上市公司大多市值分布在 100 多亿, 近三年才切入人脸识别 海康威视拥有人脸识别领域全产业链, 产品和软硬件一体化结合解决方案更加贴近实际场景应用, 在安防领域应用处于龙头地位 公司深耕人脸识别领域多年,2015 年推出后端产品 刀锋 脸谱 系列, 后端产品模仿人脑的记忆及思考, 集目标提取 检索 分析 存储及行业应用于一体 2016 年, 公司在原有技术 产品 案例积淀的基础上, 推出了准确率进一步提升的前端智能感知产品 深眸 系列, 在前端实现各种复杂环境下人 车 物的多重特征信息提取和事件检测 此外, 还推出 DT1.0( 多维感知 ) Smart265 视频结构化 人脸识别等多种智能技术 从人脸识别整体系统角度出发, 公司在摄像机 施工 后端算法上都进行了精细优化, 具有准确率高和效率高等特点, 解决了目前的人脸识别技术准确率和稳定性差的缺陷, 具有很强的环境适应能力 而且前端智能 - 深眸 分布智能 - 超脑 NVR 中心智能- 海康脸谱均融合深度学习算法, 前后端深度智能 无缝对接, 为人脸大数据应用提供有力支撑 请阅读最后一页免责声明及信息披露 19

24 图 18: 海康威视人脸识别系统抓拍示意图 图 19: 海康威视 ATM 智能防护视频分析 资料来源 : 海康威视官网, 信达证券研发中心 资料来源 : 海康威视官网, 信达证券研发中心 大华股份作为安防领域国内第二大厂商, 推出平安城市人脸识别解决方案后, 又推出 天眼 系列动态人脸识别服务器和 睿智 服务器,LFW 测试中人脸识别准确度达到 99.78%, 在传统厂商中技术优势明显 公司人脸识别技术基于深度学习算法, 打造了从人脸检测 特征提取到人脸识别的多模型网络识别方案, 大大提升人脸识别产品的效果 此外, 依托于公司在 CPU DSP GPU 和 FGPA 等芯片平台上深厚的软硬件研发能力, 公司还形成了一系列基于深度学习的智能化产品, 包括前后端的人脸识别 卡口电警 视频结构化 双目立体视觉和多目全景拼接产品, 在人脸识别领域拥有全产业链布局 图 20: 大华股份人脸网络识别技术原理 资料来源 : 雷锋网, 信达证券研发中心 汉王科技是国内最早一批专注深耕于人工智能图像识别技术 智能交互技术及其应用的企业 首家将深度学习模型移植到低端 MIPS 平台, 开发出业界第一个嵌入式红外万人识别产品的企业 此外, 还成功开发成功动态人脸布控系统, 支持千万级别人员的实时比对 在产品方面, 人证比对推出全新的人脸仪 可见光 + 红外活体检测的人证比对一体机 手持式人证核验设 请阅读最后一页免责声明及信息披露 20

25 备及人证核验闸机等 ; 红外产品先后推出嵌入式万人人脸机 手机考勤 云考勤服务平台等 ; 动态人脸识别重点发展了人脸 识别安防监控系统 智能小区管理系统 会议签到系统等 图 21: 汉王科技人证合一人脸仪架构图 图 22: 汉王科技人脸识别门禁应用场景 资料来源 : 汉王科技官网, 信达证券研发中心 资料来源 : 汉王科技官网, 信达证券研发中心 川大智胜高精度三维人脸识别产品技术领先, 目前处于产品样机和工程样机阶段 2016 年公司高精度三维全脸相机最关键的技术指标即对人脸部细节的深度测量精度已达到 0.1mm, 而国际同类产品如英特尔的 Realsense 深度精度为 1-2mm, 以色列多家公司产品精度为 mm 公司超高精度的三维全脸照相机配合公司开发的三维建模 三维识别软件系统可达到: 99.50%-99.90% 的识别正确率 此外, 公司开发的高精度 3D 识别系统拥有极强的防伪能力, 即使用人皮面具仿冒某人, 也不能通过公司开发的识别系统 此产品的预期体积和价格都不到本公司原有高精度产品的 20%, 适合大批量现场应用 目前, 公司 2D 人脸识别产品已在成都火车站东站等应用, 采用人脸识别进行身份验证超过 500 万人次, 正确识别率达到 95.5% 未来随着 2D 人脸识别产品的推广和 3D 产品的落地, 有望提升公司的整体业绩 海鑫科金一直专注于多生物识别技术与公安信息化建设与应用, 是国内同业中多生物核心技术最完善 产品系列最全面 业务覆盖面最广的公司之一 公司拥有海鑫人脸识别系统 人脸识别监控对比引擎系统和人脸采集及活体检测控件等产品 海鑫人脸识别系统采用国际领先的人脸识别技术, 实现在大规模人脸图像数据库中进行人脸检索 从各种采集源获取的人脸图像可以迅速地与预先存储的数以千万计的图像数据库完成比较, 返回一个包含若干最相似人脸图像的匹配列表 人脸识别系统提供人脸采集与质量评价工具, 增强人脸检索的性能 人脸识别系统分为服务器版和单机版两个版本 人脸识别监控比对引擎采用了自主知识产权的人脸识别技术, 提供了多种前端采集设备的接入 多路监控视频接入 目标人员注册 目标人员数据管理 人脸比对等功能, 比对引擎采用黑盒模式, 对外接口调用方便, 可供各类厂商进行各个专业领域开发, 尤其是重点场所出入控制的系统开发和方案集成 人脸采集及活体检测控件基于自主知识产权的人脸识别技术, 采用 Windows 平台开发, 适用于 IE 浏览器, 实现了从人脸采集 质量判断和活体检测的功能, 可以被各种 B/S 架构的业务系统集成, 方便进行二 请阅读最后一页免责声明及信息披露 21

26 次开发 图 23: 北京铁路公安局人脸自动识别系统 图 24: 首都机场旅客自助通关查验系统 资料来源 : 海鑫科金官网, 信达证券研发中心 资料来源 : 海鑫科金官网, 信达证券研发中心 工大高新与汉柏科技进行资产重组, 正式进入人脸识别领域, 汉柏科技拥有基于云计算和大数据的人脸识别技术优势 2017 年公司人脸识别产品上市, 成功推出门禁 (GATES) 识别终端(DOORS) 闸机(INS) 桌面终端(ONS) 等产品及一系列行业解决方案, 广泛应用于公安 交通 地产 教育等多个行业 汉柏科技人脸识别技术采用基于大数据下的深度学习的卷积神经网络算法, 大幅提升了侧脸 半遮挡 面部涂抹 模糊人脸等各种现实情况下的人脸识别能力, 并且随着大数据的深度学习可持续优化与提升 汉柏还创新性地将人脸识别技术 产品与应用服务有机结合, 形成了汉柏人脸应用运营平台, 涵盖多种运营模式, 为用户提供基于生物识别多重技术融合的定制化整体化解决方案 汉柏科技的人脸识别另一个优势就是双摄像头检测, 分别检测可见光 红外线, 来实现活体检测 佳都科技不断外延并购和自主研发在全国轨道交通公安通信系统和视频监控系统中布局人脸识别 2015 年增资人脸识别四大独角兽之一的云从科技, 成为第二大股东,2016 年与川大智胜共同投资苏州千视通, 增强计算机视觉领域技术 基于大规模人脸识别和比对的嵌入式系统已经应用在公司的警务视频云平台等成熟产品中 此外, 人脸单兵系统等多个独立的解决方案也已在广州 湛江 江门等地得到落地检验, 在宁波 厦门等地的地铁视频监控系统中实现了人脸识别 模糊图像处理 热力图人数统计 行为分析等技术功能, 持续开展轨道交通行业的智能化应用创新 东方网力与商汤科技成立合资公司深网视界, 加快推广人脸识别与安防业务深度结合, 在安防领域将智能视频分析技术推向实用, 成为全球领先的安防人工智能产品提供商 公司已拥有人脸识别 人群分析和认证核验三个主要产品, 在公安领域应用颇多 比如, 深网视界与连云港市公安局成立 人脸识别技术联合实验室, 双方共同研究人脸识别技术在公安实战业务中的应用 同时, 在连云港全市平安天眼项目中, 深网视界承建了全市的人脸识别实战系统, 包括分布全市的人脸动态布控告警 全市大库检索应用, 和重点区域的人群分析防控应用 该系统在连云港警方破获多起重大案事件中发挥了重要作用 请阅读最后一页免责声明及信息披露 22

27 图 25: 深网视界人脸识别系统 资料来源 : 深网视界官网, 信达证券研发中心 欧比特并购铂亚信息, 而铂亚信息拥有人脸识别云平台, 能以互联网云服务方式将人脸识别技术提供给需求的企事业单位及创客 企业通过铂亚的人脸识别云平台, 就可将自身业务系统直接对接, 轻松实现人脸识别 铂亚人脸识别云平台是以人脸识别算法为核心, 结合大数据 云计算 互联网等先进技术, 实现人脸检测 人脸判断 人脸识别等 公司人脸识别主要应用行业为互联网金融 传统金融 O2O 和社保 2014 年欧比特收购铂亚信息至今, 业绩增长迅猛, 安防智能集成类产品营业收入年增速在 50% 以上 表 11: 涉及人脸识别领域的上市公司 上市公司公司定位主营情况脸识别落地情况 佳都科技 (600728) 川大智胜 (002253) 汉王科技 (002362) 工大高新 (600701) 科大讯飞 (002230) 聚焦智能轨道交通和智慧城市两大高成长领域, 致力于智能技术在智慧城市 公共安全 轨道交通 政府治理及交通服务等行业场景的应用 空中交通管理 飞行模拟 智能化图像识别和合成 信息化 国内最早一批专注于人工智能图像识别技术 智能交互技术及其应用的民族企业 并购汉柏科技, 汉柏科技是国内网络设备及云计算融合系统领域的知名厂商 专业从事智能语音及语言技术研究 软件及芯片产品开发 语音信息服务及电子政务系统集成的国家级骨干软件企业 主体业务与人脸识别相关性较强,2017 年上半年营业收入 14.4 亿元, 较去年同期 9.74 亿元上升 48.22% 高精度三维全脸照相机与三维人脸识别系统产业化项目处于建设期, 目前未到实现经济效益期 2017 年上半年人脸识别业务营收 4684 万元, 占主营业务收入的比重为 17.87% 2017 年上半年营业收入 亿元, 较去年同期 4.58 亿元上升 % 主要系收购汉柏科技增加营收 2017 年上半年营业收入 亿元, 较去年同期 亿元上升 43.79% 营收中主要是智能语音领域 警务视频云平台 人脸单兵系统等已成功落地, 轨道交通领域人脸识别持续发展 2D 人脸识别产品已推向市场, 在两所高校学生宿舍的门禁系统中应用, 在铁路认证票查验中也在试用,3D 人脸采集和识别产品主要还处于工程样机和产品样机阶段 从营收上看, 人脸识别规模占比仍很小, 刚刚起步 在民航 铁路 教育 公安和地产多方面完成了试点项目的落地 科大讯飞的讯飞开放平台, 整合了包括语音识别 人脸识别等在内的统一多生物认证系统 请阅读最后一页免责声明及信息披露 23

28 安防领域国内第二大厂商, 仅次于海康威大华股份 (002236) 视 以视频为核心的物联网解决方案和数据运营服务提供商, 海康在 2016 年全球安防公司海康威视 (002415) 排名中位列第一, 而第二和第三分别为大名鼎鼎的美国霍尼韦尔和德国博世安防 微纳卫星星座及大数据业务 宇航电子业欧比特 (300053) 务 人脸识别与智能图像业务 智能测绘业务 大数据运维业务 身份识别领域解决方案的提供商和服务商, 神思电子 (300479) 专业从事智能身份认证终端和行业应用软件的研发 生产 销售与服务 通信基站 机房运维综合管理服务系统的产品供应商, 专注于致力通信行业运维信息化高新兴 (300098) 的发展, 面向通信运营商提供运维综合管理系统的解决方案及其软硬件产品 国内最专业的智慧城市投资 建设 运营综赛为智能 (300044) 合服务商 主营业务产品包括微摄像头模组 触摸屏和欧菲光 (002456) 触控显示全贴合模组 指纹识别模组和智能汽车电子产品和服务 专业从事以多生物特征识别技术和智能监控海鑫科金 (430021) 技术为核心的基础技术研究 产品研发 信息化系统建设 系统集成和技术服务 中国领先的数字视频厂商, 专注于视频处理核心技术的持续研发, 为行业用户 运营商东方网力 (300367) 和企业用户提供全面的视频监控应用解决方案和高品质视频存储产品 资料来源 : 公司公告, 信达证券研发中心整理 互联网巨头 :C 端影响力强大, 探索 B 端 主体业务基本都和人脸识别相关,2017 年上半年营业收入 亿较去年同期上升 50.81% 主体业务基本都和人脸识别相关,2017 年上半年营业收入 亿, 较去年同期上升 31.02% 铂亚安防业务 1.63 亿, 较去年同期增长 53.37%, 占主营业务的 50% 2017 年上半年营收实现 1.48 亿元, 较去年同期 1.18 亿元同比增长 25.74% 2016 年人脸识别 增强现实 实战图侦等视频人工智能应用的自研技术和产品实现销售收入转化超 1 亿元 几乎很少有介绍人脸识别业务, 更多侧重于建筑智能 数据机房 游戏业务, 人脸识别的营收为 年上半年公司光学产品实现营业收入 亿元, 占营业收入的 43.87%, 同比增加 % 2017 年上半年实现营业收入 9223 万元, 同比减少 15.92% 2017 年上半年实现营业收入 7.39 亿元, 同比增长 26.08% 推出平安城市人脸识别解决方案后, 又推出 天眼 系列动态人脸识别服务器和 睿智 服务器 2015 年海康威视推出 DT1.0( 多维感知 ) Smart265 视频结构化 人脸识别等多种智能技术和前端智能 - 深眸 分布智能 - 超脑 NVR 中心智能- 海康脸谱 收购铂亚信息, 已有成熟产品, 后续欧比特愿意投入多少资源发展有待观察 与依图科技成立合资公司, 人脸识别技术产品已成功应用于多省的园区 监狱 建筑工地安保管理以及宾馆入住 税务办理等场所的 人证同一 认证管理 2016 年中标两个人脸识别独立模块项目 云南禁毒堵源截流数字化查控体系西双版纳试点项目和深圳海关旅客智能分类通关系统 ( 面部识别设备 ) 项目 目前仅为研发阶段, 没有成熟产品 主要是有关人脸识别手机端的 3D 摄像头模组, 有规模, 研发投入也较大 拥有海鑫人脸识别系统 人脸识别监控对比引擎系统和人脸采集及活体检测控件等产品 公司的人脸识别技术已经实现产品化 与商汤科技成立合资公司深网视界, 加快推广人脸识别与安防业务深度结合 国内外互联网巨头, 包括百度 阿里 谷歌 微软等也纷纷进军人脸识别市场 互联网巨头在竞争过程具有资金 品牌 技术等多方面优势, 综合优势明显 同时基于自身在 C 端市场长期积累,C 端优势明显, 更有可能率先打开 C 端市场 互联网巨头在人脸识别技术方面的布局呈现两条主线 : 通过重金引入行业领军人物打造自身技术, 凭借强大影响力及雄厚的资金对优质企业进行直接收购或投资 以国内的人工智能领军企业百度为例进行重点分析, 百度前期重磅引进吴恩达在内的 请阅读最后一页免责声明及信息披露 24

29 人工智能全球领军人物, 确保人工智能技术的领先,2017 年 2 月份完成对渡鸦科技的收购, 为人脸识别的软硬件一体化测试打下坚实基础 截至目前公司人脸识别在 C 端拥有 脸优 小度 等娱乐应用落地案例 此外,C 端还主要希望能够和百度地图 百度糯米等 C 端产品相结合, 提供更为优质的贴身服务 在 B 端则有乌镇 刷脸 闸机, 百度内部的 免工卡刷脸通行闸机 等示范案例 后续百度将进一步全面推进人脸识别商业化落地, 在 2017 年 2 月份确定落地的四个方向 :( 1) 闸机, 希望应用在景区 写字楼等场景 ;(2) 交通, 正在积极寻求和火车站, 机场的合作 ;(3) 金融 ;(4) 手机 图 26: 百度人脸识别机器人 小度 图 27: 百度 AI 开放平台人脸识别产品功能 资料来源 : 百度开发者中心, 信达证券研发中心 资料来源 : 百度开发者中心, 信达证券研发中心 除了百度, 阿里和腾讯也在人脸识别方面不遗余力的进行投入和布局 阿里在企业内部设立 柒车间 专门研究 刷脸, 另外通过与 Face++ 海鑫智圣合作, 开发了移动支付认证技术, 淘宝开户人员身份核验技术等 2016 年 9 月, 公司收购美国生物验证公司 EyeVerify, 为今后开发海外市场打下基础 腾讯设立腾讯优图, 可为 QQ 财付通 微众银行等提供图像和模式识别技术支持 腾讯优图利用腾讯公司丰富的人脸数据优势, 已经累计分析处理了 300 多亿张图片 此外, 腾讯也在积极拓展 B 端市场, 积极尝试在金融 证券业务使用人脸识别技术, 还于 2015 年与公安部达成身份证人像身份比对的业务合作 请阅读最后一页免责声明及信息披露 25

30 图 28: 腾讯优图天眼解决方案 图 29: 阿里巴巴人脸识别支付 资料来源 : 腾讯优图官网, 信达证券研发中心 资料来源 : 中国电子商务研究中心, 信达证券研发中心 国外方面, 谷歌 苹果 微软 Facebook 等是最早加入人脸识别市场巨头 谷歌先后利用巨资收购 Neven Vision PittPat 等公司, 全面进军人脸识别市场 谷歌在人脸识别技术方面有深厚的技术积累, 最近谷歌开发了新的人脸识别系统 FaceNet, 可以轻松完成人脸识别 验证 聚类等任务 谷歌依靠强大搜索引擎和深厚资金支持, 未来仍有望保持人脸识别行业领先地位 苹果公司通过一系列产业并购完成了人脸识别算法等技术的获取,2015 年取得满足脸部识别需求的关键技术, 于 2017 年正式进入商业化, 推出的 iphonex 拥有了人脸识别解锁功能 表 12: 国内外互联网巨头人脸识别布局 互联网公司 人脸识别布局 谷歌 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,2015 年谷歌推出 Facenet 人脸识别系统 谷歌相册加入人脸识别功能, 可识别不同人像并将照片分类 微软 2015 年, 微软发布了可供用户免费集成图像及人脸识别功能的 Project Oxford,Win10 上也正式引入面部识别登录系统 Facebook 2012 年 6 月收购以色列脸部识别平台公司 TelAviv, 于 2014 年开发出深度脸部识别学习系统 DeepFace 于 2010 年开始涉及脸部识别领域,2010 年 9 月收购瑞典算法公司 Polar Rose, 在 2013 年收购 Prime Sense, 自 2015 年 9 月 苹果 及 11 月收购机器学习与图像识别公司 PercepTIo, 以及动作捕捉公司 Faceshift 之后, 苹果公司于 2016 年 1 月 8 月又分别收购 EmoTIent 和 Turi 两家公司 EmoTIent 为脸部识别系统公司,Turi 为机器学习公司 2015 年获得脸部识别解锁设备的专利, 特意保护红外传感器的使用, 符合脸部识别的需求 2017 年新一代 iphonex 推出人脸识别解锁 百度 2016 年百度大脑正式发布, 人脸识别应用于百度魔图 百度识图等应用中 2017 年 2 月, 通过全资收购渡鸦科技, 开始布局做人脸识别软硬件结合的尝试 阿里巴巴 2015 年, 阿里与海鑫智圣合作共同建设 阿里巴巴人脸比对系统 2016 年 6 月支付宝 Smile to pay 上线服务, 后又推出行业首个 刷脸 登录邮箱 2017 年, 支付宝的刷脸支付开始有大规模普及应用之势 腾讯 2015 年, 手机 QQ 推出人脸识别登陆, 财付通与中国公安部所属的全国公民身份证查询服务中心达成人像对比服务战略合作 京东 2015 年, 京东钱包推出 刷脸 功能 资料来源 : 信达证券研发中心整理 请阅读最后一页免责声明及信息披露 26

31 人脸识别应用领域遍地开花, 关注三大应用 近两年人脸识别技术的迅速发展, 识别精度及速度的有效提升为人脸识别在众多领域的应用提供了基础 自 2015 年起人脸识别的应用领域开始逐渐增多, 从前期以门禁考勤为主, 向安防 金融 商业等多领域拓展 尤其从 2016 年下半年开始各类应用案例落地速度明显加快, 安防领域人脸识别结合反恐的案例在北京 深圳 广州等多地已有落地 金融领域包括四大行在内的数十家银行,2016 年下半年纷纷将人脸识别产品引入各个业务环节 教育领域 2016 年高考, 北京 四川 湖北 广东 辽宁 内蒙古等多个省份采用了 人脸识别 + 指纹识别 的生物识别技术确认考生身份 伴随试点区域及各领域案例的拓展及运营模式的成熟, 人脸识别将迎来大规模普及 据前瞻数据库数据预测, 未来五年, 我国人脸识别市场规模平均复合增长率将达到 25%, 到 2021 年人脸识别市场规模将达到 51 亿元左右 安防 金融是人脸识别切入细分行业较深的两个领域, 手机移动终端应用成为人脸识别新的快速增长点 我们预计未来几年这三大领域将是人脸识别快速增长的最大驱动力 图 30: 人脸识别应用领域结构比例 (%) 资料来源 : 前瞻产业研究院, 信达证券研发中心 安防市场规模巨大, 人脸识别用武之地广阔安防行业市场规模巨大, 竞争激烈, 出现强者恒强的局面 据中安网数据,2016 年我国安防行业总产值达到 5687 亿元, 近几年行业增速均在 10% 以上, 增速高于全球 国内各类安防企业达到 家, 从业人数达到 166 万人, 市场竞争激烈, 海康威视 大华股份占据大部市场份额, 出现强者恒强的局面 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最大, 占到了市场的 50% 左右 人脸识别在安防的各个产业分布均可应用, 市场应用广阔 请阅读最后一页免责声明及信息披露 27

32 图 31: E 中国安防行业市场规模 ( 亿元 ) 及年增速 (%) 图 32:2015 年安防各产业分布占比 资料来源 : 中安网, 信达证券研发中心 资料来源 : 中安网, 信达证券研发中心 人脸识别产品在安防行业推进处于一个很好的时点 国家在 2015 年已经开始出台相关政策加速布局安防体系建设, 明确要求 2020 年, 重点公共区域视频监控联网率达到 100%, 重点行业 领域涉及公共区域的视频图像资源联网率达到 100% 经过接近两年的建设, 城市内传统的视频监控体系搭建已经较为完善, 视频监控资源已经较为完善, 视频 图像数据积累已经较为成熟, 未来在于有效利用数据资源及深化视频监控体系的建设 人脸识别从三个方面提供了比较好的思路 :(1) 后台系统使用动态人脸识别系统实现对存量视频的检索, 提升了资源的使用效率, 摒弃原有的人工检索 (2) 将安全防范提升至事中乃至事前阶段 视频监控体系和公安数据系统的互联能够帮助提前识别嫌疑人, 在事中乃至事前进行及时制止 (3) 各细分场景的深入挖掘, 比如人脸识别产品在警用手持终端 酒店前台 考试 医院医疗等场景的使用, 实现应用场景的进一步细化, 监控体系建设的进一步深入 人脸识别在安防领域的主要应用分布在考勤门禁系统 公安监控 高铁 / 航空 / 地铁等人脸安检系统和交通管理视频监控等, 涵盖了安防领域的方方面面 我们认为人脸识别从客户角度来看, 在中国安防市场主要包括三个细分市场 人脸识别在三个细分市场将逐步推进, 从政府市场的公安监控 出入境安检等领域应用, 转向银行 电信等大型企业应用, 最后走向普及阶段在中小企业与个人市场应用 目前主要处于政府与大企业市场应用阶段, 在公安 交通 司法等安防领域已实现初步应用 (1) 政府市场 (30~35%): 主要包括各地公安, 交通, 司法部门 销售渠道以系统集成商为主 需求受政府固定资产投资拉动, 对价格不敏感, 是视频分析服务的重度用户 (2) 大企业市场 (35~40%): 主要包括银行, 电信, 石油, 文教卫等大型国有企业和事业单位等 销售渠道以解决方案为主, 需求受经营规模扩大的影响 (3) 中小企业及个人市场 (25~35%): 主要包括中小企业, 也包括个人消费需求 ( 尽管需求很小 ) 销售渠道以标准产品的 请阅读最后一页免责声明及信息披露 28

33 分销为主 图 33: 人脸识别在安防市场的应用推进进程图 资料来源 : 信达证券研发中心 人脸识别考勤机主要用于对公司员工的出勤统计, 员工签到时需要通过摄像头采集到员工面部照片, 再通过人脸识别算法从采集到的照片中取得特征值并与数据库中预先存入的员工人脸照片的特征值进行分析比较, 识别成功后报出员工的姓名, 则考勤成功 人脸识别考勤机将射频及光学感应技术和数码摄像技术相互结合, 在用指纹或感应卡打卡的同时, 自动拍摄员工的图像信息并记录在案, 通过后台管理软件可以查看 比对每一笔打卡记录的人员图像, 从而有效杜绝考勤中的替打卡现象 图 34: 人脸识别考勤系统 图 35: 人脸识别在门禁系统应用优势 资料来源 : 百度图片, 信达证券研发中心 资料来源 : 艾媒咨询, 信达证券研发中心 机场部署更可靠 便捷的人脸识别系统已是大势所趋 上海虹桥机场 青岛机场 长沙机场 洛阳机场 南宁机场 济南机场 哈尔滨机场 银川机场 国内各大机场的闸机口 安检通道都已经有部署人脸识别系统 根据日前民航局公布的 2016 年全国机场生产统计公报, 我国境内民用航空机场共有 218 个, 随着人工智能大潮的到来, 越来越多的民航机场将会实现人请阅读最后一页免责声明及信息披露 29

34 脸识别的部署 云从作为已经在全国枢纽机场覆盖率超 80% 的人脸识别供应商, 未来云从科技将触及全国各地民用航空机场 以云从科技为首的人工智能践行者们, 将乘着这股机场信息化之风, 飞扬于神州蓝天 表 13: 人脸识别技术在部分机场应用情况 除此上线时间 机场名称 功能 2009 年 9 月 北京首都机场 员工安检通关 2013 年 1 月 台湾桃园机场 出入境通关 2013 年 7 月 沈阳桃仙机场 出入境通关 2014 年 7 月 南京禄口机场 安检通关, 登机 2014 年 10 月 重庆江北机场 安检通关 2016 年 7 月 深圳宝安机场 安检通关 2016 年 12 月 银川河东机场 安检通关 / 自助登机 /VIP 识别等多场景 2017 年 1 月 包头二里半机场 安检通关 2017 年 2 月 景德镇罗家机场 安检通关 2017 年 3 月 呼和浩特白塔机场 安检通关 / 中转存包 2017 年 3 月 厦门高崎机场 安检通关 2017 年 3 月 广州白云机场 安检通关 2017 年 4 月 青岛流亭机场 安检通关 2017 年 5 月 乌兰察布机场 安检通关 2017 年 6 月 哈尔滨太平机场 安检通关 2017 年 6 月 拉萨贡嘎机场 安检通关 2017 年 6 月 上海浦东机场 安检通关 2017 年 6 月 长沙黄花机场 安检通关 2017 年 7 月 南阳姜营机场 自助登机 2017 年 7 月 呼兰浩特机场 安检通关 资料来源 : 雷锋网, 信达证券研发中心 在安防领域应用, 人脸识别核心竞争力主要来自于算法能力 工程化能力和渠道能力 算法的优化程度决定其人脸识别的效 果, 包括拒识率和误识率等 安防领域对算法的要求比较高, 曾经的人脸识别很难大规模普及, 是因为单纯使用局部特征的 判断难以满足很多场景的要求 工程化就是将软件与硬件结合起来, 打包成产品提供给客户的过程 通常, 这部分工作涉及 到了最后项目的成本与稳定性 前者在客户进行选择时是重要的参考条件, 而后者则保证了客户的体验和产品口碑 渠道是 指安防设备和方案的销售, 传统的软件公司和创业公司商务能力没有那么强, 因此选择和解决方案或产品供应商合作的策略, 而初创公司或软件公司提供技术支持 安防领域中国市场客户倾向于购买包含前端摄像机 后端存储设备等硬件和 VMS 人脸识别等软件结合的一体解决方案, 海 请阅读最后一页免责声明及信息披露 30

35 康威视 大华股份等拥有软硬件一体化解决方案的厂商一直保持较高市场份额 随着对基于人工智能的视频分析 人脸识别产品要求的不断提高, 商汤科技 Face++ 等在人工智能算法上有特色的公司也积极布局全产业链, 切入 VMS 市场 金融领域 : 银行与互联网金融成为最大驱动力人脸识别金融应用, 并非指人脸识别技术本身, 而是将人脸识别技术通过不同的解决方案设计及其它技术叠加, 解决金融行业各种业务场景下的实际需求 具体而言, 人脸识别技术多以特定的场景为基础, 通过一定的设计 集成 生产等工业手段, 将不同的人脸识别环节进行重新组合 排列, 最终输出符合金融行业需求的产品 人脸识别解决金融机构实名认证的难题 金融机构传统上使用人工肉眼判断 短信验证 绑定银行卡等手段进行实名认证 这些传统手段存在准确率不高 客户体验较差 成本高等问题, 对金融企业业务发展造成了巨大的困扰 基于人脸识别的实名认证方式具有准确率高 ( 一亿人中才存在两人长相相同 ) 客户体验好( 认证速度快 客户操作少 ) 成本低( 相较于传统认证方式 ) 的优点, 已被众多领先金融企业所采用 金融中的人脸识别, 主要用途分为身份核验和场景规模化应用 身份核验, 也称作 1:1 刷脸, 非常广泛地被应用于互联网金融 银行的远程开户 远程身份认证 远程支付, 通过刷脸的方式进行校验 一般客户在帐户进行注册的时候, 上传了身份证照片, 使用 OCR 技术自动的识别出客户的身份证号和姓名, 获取此信息后, 会有官方提供的存档照片 接下来客户进行刷脸的操作, 对其进行一个数据采集, 获得一张全新的照片或者是一段新的视频, 然后跟已经存在库里的标准照片进行核验, 一旦判断是同一个人, 即通过了实名制的注册和认证的过程 场景规模化应用也称作 1:N 刷脸, 多用在刷脸支付 取款等 比如在校园内购买水, 使用者就去刷一个脸, 之前系统中可能已经预存了学校几千人的肖像信息, 根据这张脸在几千人的信息中进行查找, 查找到对应的使用者, 就可以进行自动的扣款 人脸识别在银行等金融机构身份核验和支付 取款方面已经在逐渐走向应用, 众多大型银行积极发展人脸识别, 已在 VIP 客户窗口实现试点应用 2017 年, 农行宣布将大规模普及人脸识别在无人网点和自动柜员机的应用 请阅读最后一页免责声明及信息披露 31

36 图 36: 中国农业银行 刷脸 取款 资料来源 : 品钛客, 信达证券研发中心 人脸识别在银行领域的发展部署流程 : 第一步是私有云部署 这一块通常费用为数百万元, 后续根据业务接入增加费用, 比如接入手机端收费数十万元 然后每年定期收取比例维护费用 国内上千家银行与信用社的市场体量在百亿元人民币左右 第二步是深挖需求, 实施机具与网点改造 智慧网点改造以中国农业银行和中国建设银行广东分行的校园 e 银行为推进蓝本, 围绕人脸识别等一系列人工智能技术, 设计刷脸购物 互动娱乐 自动柜员机等产品方案, 最终实现无人值守, 更具备互动性高, 用户体验好, 缩短业务流程及全天营业等优势 智慧网点改造预算通常在数百万元, 全国银行网点总数量超过 20 万 各类机具存量则在百万台以上, 即使以智慧网点和机具改造以一定比例推进, 仍然是一个千亿级别的巨大市场 表 14: 银行部署人脸识别相关衍生市场规模 业务点 单价 规模 市场体量 私有云部署 数百万元 银行 信用社 百亿元 智慧网点改造 数百万元 20 万 + 网点 千亿元 自助机具改造 数千元 100 万机具存量, 增量每年 10 万 + 百亿元 网点 VIP 数万元 40 万 +( 网点数量 x2) 百亿元 资料来源 : 信达证券研发中心整理 第三步是沉浸行业, 以人脸为数据入口提升服务 在使用人脸识别技术后, 人脸作为天然的数据入口在金融行业内部沉淀了大量数据 将这些人脸数据结合大数据, 不仅可以实现征信实时监测, 还可以通过 VIP 迎宾与精准营销等服务优化业务流程 极大的提升用户体验 请阅读最后一页免责声明及信息披露 32

37 互联网金融人群众多, 实名认证等环节给人脸识别技术发展提供助力 据麦肯锡咨询公司报告显示, 中国互联网金融用户人数超过 5 亿, 市场规模达到 万亿元, 占 GDP 的近 20%, 在世界互联网金融市场上位居第一 其中, 网贷行业的发展特别迅猛, 截止目前历史累计成交市场规模已经突破 3 万亿元大关 基于网络端的互联网金融, 进行远程注册 实名认证等, 人脸识别作为最方便的方式, 成为最佳选择方案 人脸识别技术的进一步发展对于互联网金融至关重要 人脸识别四大独角兽成为金融领域人脸识别应用的最大受益者 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 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 从实际落地的应用看来, 云从在银行业特别是国有大行有着极大的优势 商汤科技与京东 银联 招商银行 拉卡拉 融 360 等多家金融机构和银行均有合作 例如, 用户在京东钱包上扫描人脸, 即可完成比对, 实现密码解锁, 代替传统密码登录方式, 更加方便安全 商汤提供人脸搜索技术, 帮助拉卡拉快速完成新用户照片与已有黑名单人脸库的比对, 高效准确地筛选出潜在诈骗分子, 保护普通用户的权益 通过人证比对和活体检测技术, 拉卡拉将获知用户的注册信息是否与操作者本人一致, 有效的防止了身份信息盗用情况 商汤为融 360 平台提供一体化解决方案包括人脸识别 人证比对 证件识别, 完成比对, 实现远程身份认证, 让金融服务更加方便安全 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 依图科技拥有完整的实名认证解决方案, 依靠人脸比对及活体检测技术, 为金融企业提供全渠道解决方案 ( 柜面 移动端 自助机具等 ), 并且拥有为招商银行 浦发银行 京东金融 360 金控等各类金融企业实施落地的丰富经验 已经在招商 106 个城市近千台 ATM 机上实现 刷脸取现 金融领域个人信息泄露成为用户刷脸支付最大顾虑 据 iimedia Research( 艾媒咨询 ) 数据显示,2017 上半年熟悉刷脸支付的网民中,59.0% 认为个人信息泄露是刷脸支付最大隐患 识别不准确和使用渠道不畅通分别以 57.6% 和 41.9% 位列第二和第三名 作为个人信息比较敏感的金融支付领域, 用户对于信息安全重视度相较其他领域更高, 而 2017 年初 315 晚会对刷脸支付泄露个人信息隐患的点名, 无疑为刷脸支付规模扩张设置障碍, 加强用户信息保障能力, 获取用户对于技术安全的信任是刷脸支付未来重点发力方向 另外, 由于人脸识别概念未在大众群体中普及, 其规模化需依托场景搭建, 故使用渠道畅通也可以助力加快行业规模化进程 移动智能硬件终端 : 苹果引领人脸识别应用新增长点据全球数据公司 IDC 数据,2016 全年, 全球智能手机市场一共出货 14.7 亿部, 与 2015 年的 14.4 亿部增长了 2.3%, 达到历史最高出货量, 其中苹果出货量为 2.15 亿部 其中, 中国 美国 巴西等国的市场表现带动了整体市场的增长 2017 年 9 月 13 日, 苹果公司发布新产品 iphonex, 首度采用新技术 FaceID 代替 TouchID FaceID 由一个新的 TrueDepth 请阅读最后一页免责声明及信息披露 33

38 摄像机系统提供支持, 该系统将大量技术包装在屏幕顶部 包括一个正规的前置摄像头, 红外摄像机, 点阵投影仪, 泛光照明器, 接近传感器和环境光线传感器 在具体工作当中,Dot Projector 打光,Infrared camera 再接收光,Flood illiuminator 补充光, 这三个是 iphonex 新增的传感器 当你看着手机时,Dot Projector 会检测你的脸 然后红外摄像机拍摄 IR 图像, 点阵投影仪使用超过 30,000 个 IR 点来创建点阵图形 这两类数据都被发送到 iphone 的新款 A11 仿生芯片, 该芯片采用了经过十多亿图像训练的神经网络, 将其与已存储在设备上的脸部数学模型进行比较 苹果采用的是三维人脸识别, 将脸部特征, 细节, 甚至包括眼球和其他的信息搜集, 再加上自己的算法做综合认证 同时, 戴眼镜 换发型 换衣服 留胡子等常见情况也不会影响面容 ID 的判断 Touch ID 随机解锁的比例为 5 万分之一, 而 Face ID 随机解锁的成功比例为 100 万分之一 图 37:IPhoneX 人脸识别相关传感器 资料来源 : 电子发烧友, 信达证券研发中心 苹果 IPhoneX 有望引领人脸识别在手机端应用 尽管指纹识别不是苹果首次搭载到手机上, 但是真正让指纹识别成为智能手机标配的仍然是苹果 从 5S 时代装备, 并已经成为深入烙印当代手机使用习惯的 Touch ID, 苹果并没有使用尚不成熟的屏幕下指纹, 也没有绞尽脑汁在其他地方放置一颗 Home 键, 苹果选择了抛弃指纹 Touch ID, 用人脸识别取代指纹 毫无疑问, 苹果作为业界标杆, 将引领人脸识别在手机移动硬件终端的兴起 请阅读最后一页免责声明及信息披露 34

39 行业评级及投资建议 受益于未来下游需求增长 产业政策扶持 技术产品落地等因素的有利影响, 人脸识别技术进步和应用或将超预期 尤其苹果 iphonex 引入人脸识别技术, 人脸识别将迎来爆发期 随着人脸识别技术的商用场景不断扩充, 市场潜力巨大 对于人脸识别我们建议关注两类企业 其一是关注拥有人脸识别全产业链的优势企业, 且涉及应用领域市场广阔 有望逐渐落地 其二, 关注专注深耕于人脸识别核心技术的企业与在人脸识别产业链中拥有核心优势地位的企业 重点关注海康威视 (002415) 大华股份 (002236) 欧比特 (300053) 川大智胜 (002253) 水晶光电(002273), 建议关注佳都科技 (600728) 工大高新(600701) 神思电子(300479) 东方网力 (300367) 海鑫科金 (430021) 光迅科技 (002281) 等 海康威视 ( sz) 拥有人脸识别领域全产业链, 产品和软硬件一体化结合解决方案更加贴近实际场景应用, 在安防领域应用处于全球龙头地位 2017 年上半年实现营收 亿元, 同比增长 31.02% 公司深耕人脸识别领域多年,2015 年推出后端产品 刀锋 脸谱 系列 2016 年推出了准确率进一步提升的前端智能感知产品 深眸 系列, 在前端实现各种复杂环境下人 车 物的多重特征信息提取和事件检测 此外, 还拥有 DT1.0( 多维感知 ) Smart265 视频结构化 人脸识别等多种智能技术 从人脸识别整体系统角度出发, 公司在摄像机 施工 后端算法上都进行了精细优化, 具有准确率高和效率高等特点, 解决了目前的人脸识别技术准确率和稳定性差的缺陷, 具有很强的环境适应能力 前端智能 - 深眸 分布智能 - 超脑 NVR 中心智能- 海康脸谱均融合深度学习算法, 前后端深度智能 无缝对接, 为人脸大数据应用提供有力支撑 大华股份 ( sz)2016 年全球安防领域营收规模排名第四, 国内安防领域第二大厂商 2017 年上半年实现营收 亿元, 同比增长 50.81% 人脸识别领域推出平安城市人脸识别解决方案后, 又推出 天眼 系列动态人脸识别服务器和 睿智 服务器,LFW 测试中人脸识别准确度达到 99.78%, 技术优势明显 公司人脸识别技术基于深度学习算法, 打造了从人脸检测 特征提取到人脸识别的多模型网络识别方案, 大大提升人脸识别产品的效果 此外, 依托于公司在 CPU DSP GPU 和 FGPA 等芯片平台上深厚的软硬件研发能力, 公司还形成了一系列基于深度学习的智能化产品, 包括前后端的人脸识别 卡口电警 视频结构化 双目立体视觉和多目全景拼接产品, 在人脸识别领域拥有全产业链布局 欧比特 ( sz)2014 年底并购铂亚信息, 从而拥有人脸识别云平台, 以互联网云服务方式将人脸识别技术提供给需求的企事业单位及创客 铂亚人脸识别云平台是以人脸识别算法为核心, 结合大数据 云计算 互联网等先进技术, 实现人脸检测 人脸判断 人脸识别等 公司人脸识别产品主要应用行业为互联网金融 传统金融 O2O 和社保 欧比特收购铂亚信息至今, 业绩增长迅猛, 人脸识别相关安防智能集成类产品营业收入年增速在 50% 以上 请阅读最后一页免责声明及信息披露 35

40 川大智胜 ( sz) 于 2015 年定向增发 1.77 亿元用于高精度三维全脸照相与三维识别系统产业化项目 高精度三维人脸识别产品技术领先, 目前处于产品样机和工程样机阶段 2016 年公司高精度三维全脸相机最关键的技术指标即对人脸部细节的深度测量精度已达到 0.1mm, 而国际同类产品如英特尔的 Realsense 深度精度为 1-2mm, 以色列多家公司产品精度为 mm 公司超高精度的三维全脸照相机配合公司开发的三维建模 三维识别软件系统可达到:99.50%-99.90% 的识别正确率 此产品的预期体积和价格都不到本公司原有高精度产品的 20%, 适合大批量现场应用 目前, 公司 2D 人脸识别产品已在成都火车站东站等应用, 采用人脸识别进行身份验证超过 500 万人次, 正确识别率达到 95.5% 公司拥有人脸识别全产业链, 未来随着 2D 人脸识别产品的推广和 3D 产品的落地, 有望提升公司的整体业绩 水晶光电 ( sz) 国内专业从事精密薄膜光学产品研发 生产和销售的知名光电元器件制造的企业, 红外截止滤光片及组立件年产能 1.5 亿片, 全球排名第三 2017 年 9 月 13 日, 苹果公司发布新产品 iphonex, 首度采用新技术 FaceID 代替 TouchID 而其中红外传感器作为新加入三个传感器之一, 未来将受益于手机移动终端的增长 随着未来安卓机等均采用人脸识别技术模块, 红外滤光片作为其中关键组件, 必将带来使用量的快速增长 而水晶光电作为国内红外滤光片的龙头, 将拥有更多的优势, 业绩必将迎来爆发式增长 风险因素 宏观风险 : 目前全球主要经济体经济增长下滑, 中国国内经济下行压力同样严峻 若宏观经济环境发生较大变化会使得行业整体发展受到重要影响 技术风险 : 人脸识别技术的发展存在一定不确定性, 能否突破现存的复杂环境识别问题 成本问题和安全问题, 开发出具有广泛应用价值的产品, 替换现有的生物识别产品, 尚不明朗 此外, 技术在场景应用落地进程的快慢也存在一定的不确定性 市场风险 : 当前市场环境更偏好低估值蓝筹股, 对于成长股认可程度较低 行业内诸多成长型公司的估值水平有进一步回落的风险 请阅读最后一页免责声明及信息披露 36

41 研究团队简介边铁城, 工商管理硕士, 曾从事软件开发 PC 产品管理等工作,IT 从业经验八年 2007 年加入信达证券, 从事计算机行业研究 蔡靖, 北京大学国家发展研究院 MBA, 曾经在世界 500 强企业美国伟创力, 芬兰诺基亚从事手机研发, 实验室管理工作 2015 年加入信达证券, 从事计算机行业研究 袁海宇, 北京大学物理学学士 凝聚态物理专业硕士 2016 年加入信达证券, 从事计算机行业研究 王佐玉, 北京外国语大学金融硕士 2017 年加入信达证券, 从事电子行业研究 机构销售联系人 区域 姓名 办公电话 手机 邮箱 华北 袁泉 华北 张华 华北 饶婷婷 华北 巩婷婷 华东 王莉本 华东 文襄琳 华东 洪辰 华南 易耀华 国际 唐蕾 请阅读最后一页免责声明及信息披露 37

42 分析师声明 负责本报告全部或部分内容的每一位分析师在此申明, 本人具有证券投资咨询执业资格, 并在中国证券业协会注册登记为证券分析师, 以勤勉的职业态度, 独立 客观地出具本报告 ; 本报告所表述的所有观点准确反映了分析师本人的研究观点 ; 本人薪酬的任何组成部分不曾与, 不与, 也将不会与本报告中的具体分析意见或观点直接或间接相关 免责声明 信达证券股份有限公司 ( 以下简称 信达证券 ) 具有中国证监会批复的证券投资咨询业务资格 本报告由信达证券制作并发布 本报告是针对与信达证券签署服务协议的签约客户的专属研究产品, 为该类客户进行投资决策时提供辅助和参考, 双方对权利与义务均有严格约定 本报告仅提供给上述特定客户, 并不面向公众发布 信达证券不会因接收人收到本报告而视其为本公司的当然客户 客户应当认识到有关本报告的电话 短信 邮件提示仅为研究观点的简要沟通, 对本报告的参考使用须以本报告的完整版本为准 本报告是基于信达证券认为可靠的已公开信息编制, 但信达证券不保证所载信息的准确性和完整性 本报告所载的意见 评估及预测仅为本报告最初出具日的观点和判断, 本报告所指的证券或投资标的的价格 价值及投资收入可能会出现不同程度的波动, 涉及证券或投资标的的历史表现不应作为日后表现的保证 在不同时期, 或因使用不同假设和标准, 采用不同观点和分析方法, 致使信达证券发出与本报告所载意见 评估及预测不一致的研究报告, 对此信达证券可不发出特别通知 在任何情况下, 本报告中的信息或所表述的意见并不构成对任何人的投资建议, 也没有考虑到客户特殊的投资目标 财务状况或需求 客户应考虑本报告中的任何意见或建议是否符合其特定状况, 若有必要应寻求专家意见 本报告所载的资料 工具 意见及推测仅供参考, 并非作为或被视为出售或购买证券或其他投资标的的邀请或向人做出邀请 在法律允许的情况下, 信达证券或其关联机构可能会持有报告中涉及的公司所发行的证券并进行交易, 并可能会为这些公司正在提供或争取提供投资银行业务服务 本报告版权仅为信达证券所有 未经信达证券书面同意, 任何机构和个人不得以任何形式翻版 复制 发布 转发或引用本报告的任何部分 若信达证券以外的机构向其客户发放本报告, 则由该机构独自为此发送行为负责, 信达证券对此等行为不承担任何责任 本报告同时不构成信达证券向发送本报告的机构之客户提供的投资建议 如未经信达证券授权, 私自转载或者转发本报告, 所引起的一切后果及法律责任由私自转载或转发者承担 信达证券将保留随时追究其法律责任的权利 评级说明 投资建议的比较标准股票投资评级行业投资评级 买入 : 股价相对强于基准 20% 以上 ; 看好 : 行业指数超越基准 ; 本报告采用的基准指数 : 沪深 300 指数 ( 以下简称基准 ); 时间段 : 报告发布之日起 6 个月内 增持 : 股价相对强于基准 5%~20%; 中性 : 行业指数与基准基本持平 ; 持有 : 股价相对基准波动在 ±5% 之间 ; 看淡 : 行业指数弱于基准 卖出 : 股价相对弱于基准 5% 以下 风险提示 证券市场是一个风险无时不在的市场 投资者在进行证券交易时存在赢利的可能, 也存在亏损的风险 建议投资者应当充分深入地了解证券市场蕴含的各项风险并谨慎行事 本报告中所述证券不一定能在所有的国家和地区向所有类型的投资者销售, 投资者应当对本报告中的信息和意见进行独立评估, 并应同时考量各自的投资目的 财务状况和特定需求, 必要时就法律 商业 财务 税收等方面咨询专业顾问的意见 在任何情况下, 信达证券不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任, 投资者需自行承担风险 请阅读最后一页免责声明及信息披露 38