【文章內容簡介】 or authentication or identify)) AND TIABC=((活體 or 生命體 or 生物 體 or 活人 or VITAL SIGN or “biometric authentic ation” or “l(fā)iving body”)) and IPC=(G06 or G07)； 得 到 1824 個結果（申請?zhí)柡?并 后 1567 個結果 ） ； 3： 引 入 關鍵詞補充 檢 索 對于塊 1： 閱讀文獻的過程中發(fā) 現(xiàn) “刷臉 ”是人臉識別活體檢測中的關鍵技術； 因此，將上述關鍵詞引入塊 1 的關鍵詞中； 對于塊 3： 閱讀文獻的過程中發(fā) 現(xiàn) “交互式動作 ”、 “人臉防偽 ”、 “人臉防偽 ”、 “”false face””、 “防欺 騙 ”、 “假人臉 ”是人臉識別活體檢測中的關鍵技術；因 此 ， 將上述關鍵詞引入塊 3 的關鍵詞中，例如 ： （ CN105005779A基于交互式動 作 的 人臉驗證防偽識別方法及 系 統(tǒng) 、 CN106372615A 一種人臉防偽識別方法以及裝 置 、 CN104573682A 一種基于人臉相似度的人臉防偽方法 、 US9582724B2False face representation identification、 CN106446772A 一種人臉識別系統(tǒng)中的防欺騙方 法 ） ； 特別注意的是此處切不可直接 將 “防 偽 ”一詞直接引入 ， 因為如果直接引入將 會 帶 來較大的噪音 ， 例如 ： （ CN106204856A 一個智能門禁傳媒系統(tǒng) ） ； 特別注意 的 是 此處切不可直接 將 “防 偽 ”一詞直接引入 ， 因為如果直接引入將會帶來較大的 噪 音； 而且，部分具體的技術關 鍵 詞例如：紅外，雖 然 在活體檢測中具 有 較好的 結 果， 此 處 如 果 直 接 將 紅 外 作 為 關 鍵 詞 直 接 引 入 ， 則 會 出 現(xiàn) 較 大 的 噪 音 （ 例 如 ： CN205318544U 一種基于三維人臉識 別 的 ATM 機防欺詐裝置及系統(tǒng) ） ， 同時 ， 其 也沒有對現(xiàn)有技術的應該做出太大的貢獻。 TIABC=((人臉 or 面部 or 臉部 or 人像 or Face or facial or 刷臉 )) AND TIABC=(( 檢 測 or 驗 證 or 檢 驗 or 判 斷 or 識 別 or 認 證 or 判 別 or Recognition or authentication or identify)) AND TIABC=((活體 or 生命體 or 生物 第 10 頁 /共 43 頁 體 or 活人 or VITAL SIGN or “biometric authentication” or “l(fā)iving body”or 交 互式動作 or 人臉防偽 or 人臉防偽 or false face or 防欺騙 or 假人臉 )) and IPC=(G06 or G07)。 得 到 1886 個結果（申請?zhí)柡?并 后 1618 個結果 ） ； 4：引入 分 類號去噪 通過閱讀可以文獻發(fā)現(xiàn) ， G07 雖然也涉及人臉識別活體技術 ， 但是其涉及的 主要是人臉識別等相關技術的應該 ， 其對人臉識別活體技術的技術進一步的貢獻 并不太大，因此考慮將分類號 G07 大類去除，即使屬于 G07 的大類的人臉 識 別 活體技術如果涉及到人臉識別活體技術本身上的改進時，同樣會劃分到 G06 即 大類 ； 而且閱讀文獻發(fā)現(xiàn) ， G06 中的其他小類人臉識別活體技術的技術進一 步 的 貢獻并不 太 大； 例 如 ： G06T（一般的 圖 像數(shù) 據(jù) 處理或 產 生） 小 類與委 托 人 需 要 檢索的相關性較 弱 （例如 ： CN106462958A 用于從活體內圖像自動化檢測哺 乳 動 物胸腔內部的組織的方法及系統(tǒng) ） ，因此，同時考慮將小類確定在 G06K； TIABC=((人臉 or 面部 or 臉部 or 人像 or Face or facial or 刷臉 )) AND TIABC=(( 檢 測 or 驗 證 or 檢 驗 or 判 斷 or 識 別 or 認 證 or 判 別 or Recognition or authentication or identify)) AND TIABC=((活體 or 生命體 or 生物 體 or 活人 or VITAL SIGN or “biometric authentication” or “l(fā)iving body”or 交 互式動作 or 人臉防偽 or 人臉防偽 or false face or 防欺騙 or 假人臉 or 真 實人 )) and IPC=(G06K)；得到 994 個結果（申請?zhí)柡喜⒑? 826 個結果 ） ； 5：構建 第 一次查全樣本 根據(jù)背景技術檢 索 的過程中發(fā) 現(xiàn) 廣東 的 “北京海鑫科 金 高科技股份 有 限公 司 ” 已經開始涉足人臉識別活體檢測 領 域，并以其構件查全樣本。 第一次查全樣本文獻集構建 ： AN=( CN20xx102237251 or CN20xx100281752 or CN20xx101852785) 檢索得到 3 件專利； 6：第一 次 查全率評估： 4 and 5 檢索 得 到 2 件專利，則查全率為 ： 2/3； 7：第一 次 查全后補充檢索 查全率較低的原因是，塊 3 中缺少 “真實人 ”關鍵詞，因此將 該關鍵詞引入 ； TIABC=((人臉 or 面部 or 臉部 or 人像 or Face or facial or 刷臉 )) AND 第 11 頁 /共 43 頁 TIABC=(( 檢 測 or 驗 證 or 檢 驗 or 判 斷 or 識 別 or 認 證 or 判 別 or Recognition or authentication or identify)) AND TIABC=((活體 or 生命體 or 生物 體 or 活人 or VITAL SIGN or “biometric authentication” or “l(fā)iving body”or 交 互式動作 or 人臉防偽 or 人臉防偽 or false face or 防欺騙 or 假人臉 or 真 實人 )) and IPC=(G06K)，得到 1108 個結果（申請?zhí)柡喜⒑? 914 個結果） 8：構建 第 二次查全樣本 根據(jù)背 景 技術檢 索 的過 程 中發(fā) 現(xiàn) 廣東 的 “北京曠視 科技 有 限公 司 ”已 經開 始 涉足人臉識別活體檢測領域，并以其構件查全樣本； 第 二 次 查 全 樣 本 文 獻 集 構 建 ： AN=( or or or or or ) 檢索得到 6 件專利； 7and 8 第二次 查 全率評估： 7and 8 檢索得到 6 件專利，則查全率為 ： 6/6； 9 查準率評價 以 7 檢索得到的結果篩選國家 為 “中國 ”， 翻至第 10 頁 （每頁 20 項 ） ， 共 20 件專利進行篩選，分別為： 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 ； 閱讀后相關性的專利為 18 件，則查準率為 ： 18/20； 表 22 檢索查全樣本表 樣本 編號 樣本構建 方 法 原始樣 本數(shù)量 挑選樣 本數(shù)量 備注 /專 利 申請?zhí)? 1 專利權人： 北京海鑫 科 金高科 技股份有 限 公司 44 3 or or 第 12 頁 /共 43 頁 2 專利權人： 北京曠視 科 技有限 公司 262 6 or or or or or 表 23 檢索查準樣本表 樣本 編號 樣本 構 建 方 法 原始 樣 本 數(shù)量 相關專 利 備注 /專 利 申 請?zhí)? 1 翻 至 第 10 頁 （ 每 頁 20 20 18 、 、 、 、 、 、 、 、 、 、 項 ） ， 共 20 件 專 利 進 行 、 、 篩選 、 、 、 、 、 、 、 、 、 國內外專利信 息 分析 國內 外 專利申請趨勢分析 選取近 1998 年全球專利申請的數(shù)據(jù) ， 專利申請數(shù)量的變化可以從一個維度層 面反映出技術的發(fā)展熱度 ， 以及該領域中關鍵技術的發(fā)展變化 ， 數(shù)據(jù)中有個別 專 利與本報告欲研究的問題相關度不高 ， 但從宏觀上并不影響人臉識別活體驗證專 利申請數(shù)量的趨勢 ， 因此在去噪的過程中并未一一去除 ； 另外 ， 有些關于人 臉 識 別的技術應用 ， 但是并不是針對人臉識別活體驗證的研究和技術改進 ，也并 未 對 人臉識別活體驗證技術做出太大的技術貢獻 ， 因此在前期的分析過程中并未分析 人臉識別在其他領域應用的技術。 當前 ， 全球涉及人臉識別活體驗證的專利申請超 過 1000 余件 ， 世界范圍的分 布圖 如 21 所示 ， 申請量 排 名 前 5 的國 家 /地 區(qū)如圖 22 所示 。 由圖 23 中分 析發(fā)現(xiàn)， 人臉識別活體驗證領域近年來一直呈快速增長態(tài)勢 ， 特別是 自 20xx 年以后 ， ， 人 臉識別系統(tǒng)逐漸開始運用于商業(yè) ， 對安全性的要求就越來越高 ， 因此 自20xx 年以 后，專利申請量開始快速增加。 第 13 頁 /共 43 頁 申請數(shù)量/件 圖 21 世界有關人臉識 別 活體驗 證 的專利 分 布 400 350 300 250 200 150 100 50 0 中國 美國 韓國 日本 歐洲專利局 圖 22 主要國家 /地區(qū) 相 關專利 申 請情況 但是， 由 圖 23 中 可 以看 出 ， 20xx 年 以 后人 臉 識別 活 體驗證 領 域， 不 論是世 界專利的申請量 ， 還是中國專利的申請量 ， 都出現(xiàn)了周期性的波動 ， 這可能 是 由 于活體驗證技術研發(fā)的過 程 中存在著技術瓶頸 ， 從而限制了技術 的 發(fā)展。 例 如， 20xx 年以前 ， 由于活體檢測的過程中包括復雜的姿態(tài) 、 表情變化 ， 很多算法 并 不 能取得很高的準確率 ， 20xx 年時最好的算法也只 有 85%左右的準確率 ； 因此限制 了活體驗證領域的技術突破 ， 因此 在 20xx 年時出現(xiàn)了專利申請低谷 ； 20xx 年以后， 隨著深度學習的復興 ， 研究人員采用深度學習來解決人臉識別問題 ， 因此專 利 申 請量再此大量大量增加 ； 但是 ， 20xx 年至 20xx 年深度學習在人臉識別中并沒 有 取 得較大的技術突破 ， 其 20xx 年時準確率仍然落后于傳統(tǒng)方法 ； 因此 ， 在 20xx 年時 再此 出 現(xiàn) 了 活 體 驗證 領 域 專 利 申 請 量 的低 谷 。 20xx 年 之 后， Facebook、 CUHK、 Face++等通過深度學習 在 LFW 上取得了 97%以上的準確率，特別 是 DeepID2 算法 第 14 頁 /共 43 頁 專利申請量 取得了 99%以上的準確率 。 這個技術突破推動著活體驗證領域專利申請量的增加， 并在 20xx 年之后，活體驗證領域專利申請量迅速增加。 180 160 140 120 100 世界專利申請量 美國專利申請量 中國專利申請量 80 60 40 20 0 1998 20xx 20xx 20xx 20xx 20xx 20xx 20xx 20xx 20xx 圖 23 世界 /中國 /美 國 的專利 申 請趨勢 如圖 23 所 示 ，中 國 的 在 活 體 驗證 領 域的 專 利申請 呈 現(xiàn)了 高 速增長 態(tài) 勢，并 在 20xx 年之后開始追趕美國 。 這是由 于 20xx 年以后 ， 國內互聯(lián)網金融交易日 趨 增 加 ， 迫切的需要在人臉識別活體驗證領域取得較大的保障 ， 并開始大規(guī)模對 活 體 驗證技術 進 行