纵观目前人脸识别行业的发展，可以发现目前的技术壁垒正在逐步降低。未来的竞争将是综合实力的竞争，因此我们将重点关注具有资本、渠道、技术、整体解决方案等综合优势的上市公

在C端市场，人脸识别主要针对移动支付、刷脸开机、刷脸解锁等领域。其主要载体是以智能手机为代表的智能设备。2015年，马云在Cebit上表明，“刷脸支付”在C端用户对人脸识别的广泛认可中发挥了重要作用。然而，目前，C端的人脸识别市场仍然是一片蓝海，有少量相关产品，更多以集成在智能设备或应用软件中的方式呈现。

面部对齐的目标是使用位于图像中固定位置的一组参考点来缩放和剪裁面部图像。这个过程通常需要使用特征点检测器来找到一组面部特征点，然后使用仿射变换来对齐面部2D。使用同一组参考点对齐的两个面部图像。更复杂的3D对齐算法还可以实现人脸的正面化，即将人脸的姿势调整到正面。·

传统方法依赖于人工设计特征(如边缘和纹理描述)和机器学习技术(如主成分分析、线性判别分析或支持向量机)的组合。人工设计很难识别无约束环境中不同变化的特征，这使得过去的研究人员专注于研究每种类型变化的特殊方法，例如可以应对不同年龄、不同姿势和不同照明条件的方法。最近，传统的人脸识别方法已经被基于卷积神经网络(CNN)的深度学习方法所取代。深度学习方法的主要优点是