图像识别5年内年均增速约14% 探索各行业应用场景

　　当前人工智能软件在各个领域，正变得必不可少。它几乎被应用到所有的应用程序中。运用人工智能技术，无论是图像识别，还是语音识别，正变得越来越准确，这包括机器能准确识别语音、语义甚至静态的图片以及动态的视频。对于图像识别技术，大家已经不陌生。

　　图像识别是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。简单来说，图像识别就是计算机如何像人一样读懂图片的内容。借助图像识别技术，我们不仅可以通过图片搜索更快的获取信息，还可以产生一种新的与外部世界交互的方式，甚至会让外部世界更加智能的运行。

　　图像识别分为生物识别、物体与场景识别和视频识别。据《通信行业人工智能图像识别专题报告》估算，到2020年，生物识别技术市场规模将达到250亿美元，5年内年均增速约14%。其中，人脸识别增速最快，将从2015年的9亿美元增长到2020年的24亿美元。

　　图像识别落地

　　图像识别背后的技术就是新的机器学习方式，即深度学习。具体来说，在数据的基础上，计算机自动生成特征量，而非人为设置特征量，然后计算机根据这些特征量来进行分类。

　　“相比2012年时的技术，这些年图像识别再次突飞猛进，”数相科技CEO邓立邦告诉21世纪经济报道记者，“从技术角度来说，入门容易，从0做到40、60分相对门槛较低，要提升到90分就需要深厚的模型。”

　　图像识别技术的迅速落地有多方面原因，一方面，很多大企业已经开源了基本工具，邓立邦谈道：“就人脸识别来说，有很多学术机构已经做了相当长时间的研究，发了很多论文，论文也已经接入到实际的应用中。但是人脸之外，例如情绪仍旧是比较难的话题。”

　　另一方面，产业链的更新迭代也为图像技术打下基础。平安证券的报告中提到，高性能的AI 计算芯片、深度学习算法都是推动图像识别发展的因素。其中，AI 底层架构从CPU+GPU 到FPGA，再到人工智能专用芯片，运行表现不断刷新，目前英伟达的DGX-1 芯片在程序运行速度上比旧版GPU 加速解决方案快12倍。

　　图普科技方面也告诉记者，近年来，得益于计算机速度的提升、大规模集群技术的兴起、GPU的应用以及众多优化算法的出现，耗时数月的训练过程可缩短为数天甚至数小时，深度学习才逐渐可用于工业化。

　　图像识别技术应用场景多样化

　　尽管还未达到真正的人工智能，但日渐成熟的图像识别技术已开始探索各类行业的应用。此前图普科技CEO李明强就告诉记者，现在重要的是将人工智能切入到具体行业中，在垂直行业中获取和管理大数据。

　　据悉，在农林行业，图像识别技术已经得到应用。中国林产业协会非洲分会秘书长丁磊向21世纪经济报道记者介绍道：“木材的生产包含多个环节，过去这些环节往往牵涉到大量的人力投入。如今，图像识别已在多个环节中得到应用，例如森林调查，通过无人机对图像进行采集，再通过图像分析系统对森林树种的覆盖比例、林木的健康状况进行分析，从而可以做出更科学的开采方案。而原木检验方面，图像识别可以快速对木材的树种、优劣、规格进行判断，省去了大量人工参与的环节。”

　　平安证券在研究报告中举例道，在金融领域，身份识别和智能支付将提高身份安全性与支付的效率和质量；在安防领域，未来在仍硬件铺设到后端软件管理平台的建设转型中，图像识别系统将成为打造智慧城市的核心环节；在医疗领域，医疗影像基于人工智能的快速匹配可帮助医生更快更准确的读取病人的影像数据；在无人驾驶领域，低成本的摄像头加视频处理软件方案将为无人驾驶商业化打下基础。

　　此外，智能家居、电商等行业中，图像识别也有不同程度的应用。从目前的应用案例来看，以To B行业居多，当然不乏Face++等To C类产品。在深度学习之下，各公司面向不同行业，培育掌握不同知识的图像识别机器。未来，如何在图像的基础上收集、处理大数据将成为行业内各玩家的另一个比拼点。

　　据中国报告大厅发布的2016-2021年中国图形图像识别和处理系统行业市场需求与投资咨询报告显示，随着各领域对于身份识别和验证的精确度要求的提高，基于图像识别技术的人脸识别和视频识别技术在金融、安防、医疗、无人驾驶等领域迎来了发展机会。

　　受益于图像识别应用场景不断丰富和需求端规模不断扩大，我们建议重点关注图像识别产业链技术应用层（人脸识别、物体识别、视频识别）和方案集成层（智慧城市、智慧全融、机器人）的公司，他们将率先享受行业发展的红利以及大规模人工智能场景商业化。

更多图像识别行业研究分析，详见中国报告大厅《图像识别行业报告汇总》。这里汇聚海量专业资料，深度剖析各行业发展态势与趋势，为您的决策提供坚实依据。

更多详细的行业数据尽在【数据库】，涵盖了宏观数据、产量数据、进出口数据、价格数据及上市公司财务数据等各类型数据内容。