知识律师：极客任务第8期-“人脸识别”的发展机遇与挑战知识产权分析报告(编辑修改稿)

知识律师：极客任务第8期-“人脸识别”的发展机遇与挑战知识产权分析报告(编辑修改稿)内容摘要：

or authentication or identify)) AND TIABC=((活体 or 生命体 or 生物 体 or 活人 or VITAL SIGN or “biometric authentic ation” or “living body”)) and IPC=(G06 or G07)； 得 到 1824 个结果（申请号合 并 后 1567 个结果 ） ； 3： 引 入 关键词补充 检 索 对于块 1： 阅读文献的过程中发 现 “刷脸 ”是人脸识别活体检测中的关键技术； 因此，将上述关键词引入块 1 的关键词中； 对于块 3： 阅读文献的过程中发 现 “交互式动作 ”、 “人脸防伪 ”、 “人脸防伪 ”、 “”false face””、 “防欺 骗 ”、 “假人脸 ”是人脸识别活体检测中的关键技术；因 此 ， 将上述关键词引入块 3 的关键词中，例如 ： （ CN105005779A基于交互式动 作 的 人脸验证防伪识别方法及 系 统 、 CN106372615A 一种人脸防伪识别方法以及装 置 、 CN104573682A 一种基于人脸相似度的人脸防伪方法 、 US9582724B2False face representation identification、 CN106446772A 一种人脸识别系统中的防欺骗方 法 ） ； 特别注意的是此处切不可直接 将 “防 伪 ”一词直接引入 ， 因为如果直接引入将 会 带 来较大的噪音 ， 例如 ： （ CN106204856A 一个智能门禁传媒系统 ） ； 特别注意 的 是 此处切不可直接 将 “防 伪 ”一词直接引入 ， 因为如果直接引入将会带来较大的 噪 音； 而且，部分具体的技术关 键 词例如：红外，虽 然 在活体检测中具 有 较好的 结 果， 此 处 如 果 直 接 将 红 外 作 为 关 键 词 直 接 引 入 ， 则 会 出 现 较 大 的 噪 音 （ 例 如 ： CN205318544U 一种基于三维人脸识 别 的 ATM 机防欺诈装置及系统 ） ， 同时 ， 其 也没有对现有技术的应该做出太大的贡献。 TIABC=((人脸 or 面部 or 脸部 or 人像 or Face or facial or 刷脸 )) AND TIABC=(( 检 测 or 验 证 or 检 验 or 判 断 or 识 别 or 认 证 or 判 别 or Recognition or authentication or identify)) AND TIABC=((活体 or 生命体 or 生物 第 10 页 /共 43 页 体 or 活人 or VITAL SIGN or “biometric authentication” or “living body”or 交 互式动作 or 人脸防伪 or 人脸防伪 or false face or 防欺骗 or 假人脸 )) and IPC=(G06 or G07)。 得 到 1886 个结果（申请号合 并 后 1618 个结果 ） ； 4：引入 分 类号去噪 通过阅读可以文献发现 ， G07 虽然也涉及人脸识别活体技术 ， 但是其涉及的 主要是人脸识别等相关技术的应该 ， 其对人脸识别活体技术的技术进一步的贡献 并不太大，因此考虑将分类号 G07 大类去除，即使属于 G07 的大类的人脸 识 别 活体技术如果涉及到人脸识别活体技术本身上的改进时，同样会划分到 G06 即 大类 ； 而且阅读文献发现 ， G06 中的其他小类人脸识别活体技术的技术进一 步 的 贡献并不 太 大； 例 如 ： G06T（一般的 图 像数 据 处理或 产 生） 小 类与委 托 人 需 要 检索的相关性较 弱 （例如 ： CN106462958A 用于从活体内图像自动化检测哺 乳 动 物胸腔内部的组织的方法及系统 ） ，因此，同时考虑将小类确定在 G06K； TIABC=((人脸 or 面部 or 脸部 or 人像 or Face or facial or 刷脸 )) AND TIABC=(( 检 测 or 验 证 or 检 验 or 判 断 or 识 别 or 认 证 or 判 别 or Recognition or authentication or identify)) AND TIABC=((活体 or 生命体 or 生物 体 or 活人 or VITAL SIGN or “biometric authentication” or “living body”or 交 互式动作 or 人脸防伪 or 人脸防伪 or false face or 防欺骗 or 假人脸 or 真 实人 )) and IPC=(G06K)；得到 994 个结果（申请号合并后 826 个结果 ） ； 5：构建 第 一次查全样本 根据背景技术检 索 的过程中发 现 广东 的 “北京海鑫科 金 高科技股份 有 限公 司 ” 已经开始涉足人脸识别活体检测 领 域，并以其构件查全样本。 第一次查全样本文献集构建 ： AN=( CN20xx102237251 or CN20xx100281752 or CN20xx101852785) 检索得到 3 件专利； 6：第一 次 查全率评估： 4 and 5 检索 得 到 2 件专利，则查全率为 ： 2/3； 7：第一 次 查全后补充检索 查全率较低的原因是，块 3 中缺少 “真实人 ”关键词，因此将 该关键词引入 ； TIABC=((人脸 or 面部 or 脸部 or 人像 or Face or facial or 刷脸 )) AND 第 11 页 /共 43 页 TIABC=(( 检 测 or 验 证 or 检 验 or 判 断 or 识 别 or 认 证 or 判 别 or Recognition or authentication or identify)) AND TIABC=((活体 or 生命体 or 生物 体 or 活人 or VITAL SIGN or “biometric authentication” or “living body”or 交 互式动作 or 人脸防伪 or 人脸防伪 or false face or 防欺骗 or 假人脸 or 真 实人 )) and IPC=(G06K)，得到 1108 个结果（申请号合并后 914 个结果） 8：构建 第 二次查全样本 根据背 景 技术检 索 的过 程 中发 现 广东 的 “北京旷视 科技 有 限公 司 ”已 经开 始 涉足人脸识别活体检测领域，并以其构件查全样本； 第 二 次 查 全 样 本 文 献 集 构 建 ： AN=( or or or or or ) 检索得到 6 件专利； 7and 8 第二次 查 全率评估： 7and 8 检索得到 6 件专利，则查全率为 ： 6/6； 9 查准率评价 以 7 检索得到的结果筛选国家 为 “中国 ”， 翻至第 10 页 （每页 20 项 ） ， 共 20 件专利进行筛选，分别为： 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 ； 阅读后相关性的专利为 18 件，则查准率为 ： 18/20； 表 22 检索查全样本表 样本 编号 样本构建 方 法 原始样 本数量 挑选样 本数量 备注 /专 利 申请号 1 专利权人： 北京海鑫 科 金高科 技股份有 限 公司 44 3 or or 第 12 页 /共 43 页 2 专利权人： 北京旷视 科 技有限 公司 262 6 or or or or or 表 23 检索查准样本表 样本 编号 样本 构 建 方 法 原始 样 本 数量 相关专 利 备注 /专 利 申 请号 1 翻 至 第 10 页 （ 每 页 20 20 18 、 、 、 、 、 、 、 、 、 、 项 ） ， 共 20 件 专 利 进 行 、 、 筛选 、 、 、 、 、 、 、 、 、 国内外专利信 息 分析 国内 外 专利申请趋势分析 选取近 1998 年全球专利申请的数据 ， 专利申请数量的变化可以从一个维度层 面反映出技术的发展热度 ， 以及该领域中关键技术的发展变化 ， 数据中有个别 专 利与本报告欲研究的问题相关度不高 ， 但从宏观上并不影响人脸识别活体验证专 利申请数量的趋势 ， 因此在去噪的过程中并未一一去除 ； 另外 ， 有些关于人 脸 识 别的技术应用 ， 但是并不是针对人脸识别活体验证的研究和技术改进 ，也并 未 对 人脸识别活体验证技术做出太大的技术贡献 ， 因此在前期的分析过程中并未分析 人脸识别在其他领域应用的技术。 当前 ， 全球涉及人脸识别活体验证的专利申请超 过 1000 余件 ， 世界范围的分 布图 如 21 所示 ， 申请量 排 名 前 5 的国 家 /地 区如图 22 所示。 由图 23 中分 析发现， 人脸识别活体验证领域近年来一直呈快速增长态势 ， 特别是 自 20xx 年以后 ， ， 人 脸识别系统逐渐开始运用于商业 ， 对安全性的要求就越来越高 ， 因此 自20xx 年以 后，专利申请量开始快速增加。 第 13 页 /共 43 页 申请数量/件 图 21 世界有关人脸识 别 活体验 证 的专利 分 布 400 350 300 250 200 150 100 50 0 中国 美国 韩国 日本 欧洲专利局 图 22 主要国家 /地区 相 关专利 申 请情况 但是， 由 图 23 中 可 以看 出 ， 20xx 年 以 后人 脸 识别 活 体验证 领 域， 不 论是世 界专利的申请量 ， 还是中国专利的申请量 ， 都出现了周期性的波动 ， 这可能 是 由 于活体验证技术研发的过 程 中存在着技术瓶颈 ， 从而限制了技术 的 发展。 例 如， 20xx 年以前 ， 由于活体检测的过程中包括复杂的姿态 、 表情变化 ， 很多算法 并 不 能取得很高的准确率 ， 20xx 年时最好的算法也只 有 85%左右的准确率 ； 因此限制 了活体验证领域的技术突破 ， 因此 在 20xx 年时出现了专利申请低谷 ； 20xx 年以后， 随着深度学习的复兴 ， 研究人员采用深度学习来解决人脸识别问题 ， 因此专 利 申 请量再此大量大量增加 ； 但是 ， 20xx 年至 20xx 年深度学习在人脸识别中并没 有 取 得较大的技术突破 ， 其 20xx 年时准确率仍然落后于传统方法 ； 因此 ， 在 20xx 年时 再此 出 现 了 活 体 验证 领 域 专 利 申 请 量 的低 谷。 20xx 年 之 后， Facebook、 CUHK、 Face++等通过深度学习 在 LFW 上取得了 97%以上的准确率，特别 是 DeepID2 算法 第 14 页 /共 43 页 专利申请量 取得了 99%以上的准确率。 这个技术突破推动着活体验证领域专利申请量的增加， 并在 20xx 年之后，活体验证领域专利申请量迅速增加。 180 160 140 120 100 世界专利申请量 美国专利申请量 中国专利申请量 80 60 40 20 0 1998 20xx 20xx 20xx 20xx 20xx 20xx 20xx 20xx 20xx 图 23 世界 /中国 /美 国 的专利 申 请趋势 如图 23 所 示 ，中 国 的 在 活 体 验证 领 域的 专 利申请 呈 现了 高 速增长 态 势，并 在 20xx 年之后开始追赶美国。 这是由 于 20xx 年以后 ， 国内互联网金融交易日 趋 增 加 ， 迫切的需要在人脸识别活体验证领域取得较大的保障 ， 并开始大规模对 活 体 验证技术 进 行。