误报率(False Negative)是指本来是负样例(两张不同人的人脸)，但分类成了正样例(算法认为是同一个人)，通俗地讲可以称之为「报警错误」。「报警错误」的次数/总次数，得出的数据即为误报率。在误报率相同的情况下，识别准确率越高，则表示技术的性能越好。

人脸识别精度的提高，意味着在特定场景下用户将获得更好的体验，以及单位工作时间内效率低大幅提升，比如在银行场景下的顾客会获得更好的体验，公共安防领域的一线警务人员的无效工作量将会大幅降低。

NIST 公布 2018 全球人脸识别竞赛成绩，中国公司依图科技再度夺冠

特定场景下，机器人脸识别性能接近极限

根据 NIST 今年发布的成绩，目前全球最好人脸识别技术水平为千万分之一误报下的识别准确率接近 99%(yitu-001)，这意味着受限场景下，在千万分位误报上，人类已经将机器的人脸识别能力推向了极限。

NIST 在 2017 年 6 月也发布过全球竞赛成绩，彼时人脸识别技术的最好水平为千万分之一误报下识别准确率 95.5%。时隔一年，人脸识别技术的准确率提升了 75.6%，去年这一指标的最好水平在 2018 年排到了第九位(yitu-000)。

全球人脸识别性能的高速增长，还体现在机器的人脸识别规模上。2017 年全球人脸识别最高水平可识别规模在 20 亿人，比 2016 年可识别千万规模提高了两百倍，比 2015 年已经提高了数万倍。而在 2015 年，特定场景下，机器识别人脸的水平已经正式超过人类，刷脸支付等场景被解锁。

从本次发布的榜单上看，全球前 5 名在万分位误报率的指标下，已经很难区分算法性能，作为比赛的发起者，NIST 也在逐年提高「考卷」的难度。对一个算法模型来说，将误报率从万分位提升到百万分位，漏报率(即应该报警却没有报警)会增加，相当于提高了「考卷」难度。

本次公布的成绩显示，在百万分之一误报下，当前全球最好水平识别准确率达到 99.3%，冠军获得者依图科技是唯一将漏报率做到 1% 以下的参赛者，并且与第二名中国科学院深圳先进技术研究院(siat-002)相比，相同漏报率下的误报也减少十倍，相同误报下性能提升接近了一半。

智能化拉动全球安防市场超高速增长

根据介绍，NIST 举办的人脸识别算法测试，数据集全部来自美国国土安全局的真实业务场景，例如美国出入境、刑侦过程中的大量照片等，测试结果代表着技术在实战场景中的表现。

事实上，以人脸识别技术为代表的人工智能技术已经开始在全球公共安全领域广泛应用。美剧中类似《疑犯追踪》出现的场景，已经在现实中落地应用，推动全球公共安全产业的智能化演进的同时，也拉动了全球安防市场规模的显着增长。

英国市场研究机构JuniperResearch 近期发布的一份研究新报告提到，智能安防已经成为全球安防产业增长的原动力，预计到 2023 年全球安防产业规模将从 2018 年的 120 亿美元增长到 450 亿美元以上，增长将超过 260%。

受益于人脸识别性能的提升，安防后端处理系统平台可以同时处理的前端产品数量也大幅增加。这反过来大大刺激了前端高清采集和探测设备的产品升级、整体市场需求的扩大，以及存储设备的增长。国内传统安防公司海康威视和大华受益于此，连续几年整体营收中的一半都由硬件摄像头产品营收所贡献。