OC7131是一種帶PWM調光功能的線性降壓LED恒流驅動器，僅需外接一個電阻和一個NMOS管就可以構成一個完整的LED恒流驅動電路，調節該外接電阻就可以調節輸出電流，輸出電流可調范圍為10mA到3000mA。

OC7131內置過熱保護功能，可有效保護芯片及MOS管，避免因過熱而造成損壞。
OC7131具有很低的靜態電流，典型值為49uA。
OC7131帶PWM調光功能，可通過在DIM腳加PWM信號調節LED電流。
OC7131采用SOT-89-5和SOT-23-5封裝。

特點：
 電源電壓：2.5V~6V
 低靜態電流：49uA
 輸出電流：10mA到3000mA。
 PWM調光：最高頻率10KHz
 輸出電流精度：優于±4%
 內置過熱保護
 電源電壓可擴展至400V以上。
應用領域：

 線性LED照明驅動

 LED手電筒、LED臺燈、LED礦燈、LED指示燈等

2017年蘋果新品手機iPhone X采用Face ID人臉識別解鎖，此前小米Note3、Vivo V7+也推出具備人臉識別功能的智能手機。這標志著人臉識別技術加速邁入消費級領域。

手機設備以外的眾多領域也同樣在發生重大變革。武漢火車站宣布全面刷臉進站;百度宣布與首都國際機場簽署戰略合作協議打造刷臉登機的智慧機場;支付寶宣布商用刷臉支付;杭州大量賓館免身份證，刷臉即可入住;京東蘇寧開啟刷臉支付;農業銀行總行在自動取款機試點“刷臉取款”，目前已下發通知要求全國推廣刷臉取款，將為全國24064家分支機構、30089臺柜員機、10萬個ATM機安裝人臉識別系統;招商銀行也已于近期在全國重點城市的ATM取款機系統上線了“刷臉取款”選項，用戶可不帶銀行卡、身份證，不用輸入銀行賬戶，靠“刷臉”就能取款。由此可見，人臉識別技術加速滲透進入安防、銀行、支付等眾多領域，并且已經從政府級別應用、商業級別應用開始進入到消費級別的爆發時期，驗證了人臉識別技術巨大的市場需求與廣闊的應用前景。

據Yole數據顯示，全球人臉識別市場規模預計將從2017年的40.5億美元增長至2022年的77.6億美元，這期間的復合年增長率可達13.9%。推動市場增長的主要因素包括：iPhone X帶動更多智能手機集成3D人臉識別，公共場所日益增長的監控需求，以及政府部門等各個產業對人臉識別技術的應用增長。

人臉識別技術的優勢

人臉識別的工程應用始于20世紀60年代，經過50多年的發展，人臉識別技術已經取得了重大突破，很多經典算法和人臉庫相繼出現。目前人臉識別系統最高的正確率可以達到99.5%，而人眼在同等條件下識別的正確率僅為97.52%，人臉識別的準確率已經做到了比肉眼更精準。

人臉識別大致分為兩種應用模式四步流程。兩種模式包括1:1比對和1: N識別，1:1是比對兩個人臉的相似度，只需要確定是否授權人;1:N是識別對象是否在人臉數據庫中。四部流程依次是人臉檢測、活體檢測、人臉特征提取和人臉匹配識別。

與其他生物特征識別技術相比，人臉識別技術在實用性方面具有獨到的技術優勢，主要體現在以下方面:

1、非接觸:人臉圖像的采集不同于指紋、掌紋需要接觸指掌紋專用采集設備，指掌紋的采集除了對設備有一定的磨損外，也不衛生，容易引起被采集者的反感，而人臉圖像采集的設備是攝像頭，無須接觸。

2、非侵擾:人臉照片的采集可使用攝像頭自動拍照，無須工作人員干預，也無 須被采集者配合，只需以正常狀態經過攝像頭前即可。

3、友好:人臉是一個人出生之后暴露在外的生物特征，因此它的隱私性并不像指掌紋、虹膜那樣強，因此人臉的采集并不像指掌紋采集那樣難以讓人接受。

4、直觀:我們判斷一個人是誰，通過看這個人的臉就是最直觀的方式，不像指掌紋、虹膜等需要相關領域專家才可以判別。

5、快速:從攝像頭監控區域進行人臉的采集是非常快速的，因為它的非干預性和非接觸性，讓人臉采集的時間大大縮短。

6、簡便:人臉采集前端設備——攝像頭隨處可見，它不是專用設備，因此簡單易操作。

7、可擴展性好:它的采集端完全可以采用現有視頻監控系統的攝像設備，后端應用的擴展性決定了人臉識別可以應用在出入控制、黑名單監控、人臉照片搜索等多領域。

深度學習和3D視覺助推人臉識別發展

長久以來，技術創新不足、應用推廣有限、價格成本高企是制約人臉識別發展的三大因素。研究人臉識別算法優化、輕量化的團隊較少，算法的優化尚未完成，在功耗小的情況下保持一定的速度和精度是人臉識別應用發展的難點。因此最近幾年人臉識別雖然被廣泛應用到出入境通關、機場安檢等政府部門中，但一直沒能真正進入到更廣泛的商業化應用領域中。

第一，在技術層面上，人臉識別的精準度和核心算法的原始創新不足、技術標準 制定還不完善，快速準確完成人臉識別需要解決很多技術上的難點:

自身生理變化。在人臉比對的過程中，如果自身與數據庫里面存儲的人臉發生了較大的生理變化，例如經歷剃須、換發型、戴眼鏡遮擋等變化。即使外貌并沒有發生太多變化，人通過臉部的變化產生很多表情，都有可能會引起 比對失敗。

外部環境影響。人臉受到很多外部因素的影響:在不同的角度進行拍攝，人臉的視覺圖像相差很大;容易受到光照條件影響，比如白天和黑夜、室內和室外的光照存在較大差異。

除了這兩種情況，還有人為的整容行為、雙胞胎等極端情況存在。如何規避這些外因對于人臉識別速度和識別效果的影響，一直都是科研的重點研究方向。

人臉識別技術難點

第二，應用方面上，人臉識別基本局限在公安部門出入境管理等政府部門中，未能滲透到大規模商業級別應用和個人消費級別當中。在應用層面上，盡管在實驗室等科研條件下，許多人臉識別技術的精準度已經達到99%、甚至99.5%以上的水平，但是這些技術和方案很難落地到實際應用層面上。人臉識別技術落地的過程中，需要考慮到不同的場景運用。在實際落地過程中，指紋識別等其他生物識別由于技術成熟，不易受到外界因素影響，早已經運用到考勤認證、智能手機賬號登錄中，可替代物的成熟發展也制約了人臉識別產業化的進程。

第三，價格方面，市場競爭不足和技術不成熟導致價格處于高位。由于技術不成熟，人臉識別技術并未應用到商業場景和消費級領域，大部分被運用到政府和公安部門，且采用系統集成的方式交付，一套系統的成本和價格非常高昂。

但近幾年來，這一情形開始轉向，三大問題正在逐漸得到解決。

技術方面，深度學習算法的成熟，使得人臉的準確率得到大幅提升。以深度學習算法為基礎的計算機技術的進步，為人臉識別提供了強大的計算和分析工具。反過來，巨量的生物特征數據也為機器訓練提供了豐富的素材，“大數據成為人工智能的燃料”。人臉識別方面，Face++團隊創造了世界上最高的人臉識別正確率，曾在人臉檢測FDDB評測、人臉關鍵點定位300-W評測和人臉識別LFW評測上，接連拿下了三項世界第一。

應用方面，目前，生物識別的應用場景已經極大地拓寬。銀行在客戶身份核驗場景下應用生物識別，覆蓋了弱實名電子賬戶開戶、結算賬戶開戶和存取款等不同風險層級的場景。第三方支付和手機銀行等移動支付應用開始使用生物識別方案。公安部門在視頻監控和多類場所的人員進出管理中大力引入人臉識別技術。在政策推動下，人臉識別也已入駐社保、教育、醫療系統。近幾年，國內智能手機消費劇增，手機用戶的移動支付習慣逐漸養成，智能家居漸受青睞，三方面個人消費需求的增長推動手機端的消費級人臉識別開始爆發。

價格方面，人臉識別設備近兩年不斷下降。近年來，技術的進步和算法的改善讓人臉識別技術邁上一個新的臺階，在國家政府推動和政策支持下，我國人臉識別技術和應用都取得了非常大的進步。

目前3D感應有3種主流方案：結構光，飛行時間(TOF)以及雙目測距：

結構光(Structured Light)：結構光投射特定的光信息到物體表面后，由攝像 頭采集，這些光斑打在物體上后，因為與攝像頭距離不同，被攝像頭捕捉到的位臵也不盡相同。根據物體造成的光信號的變化來計算物體的位臵 和深度等信息，進而復原整個三維空間。蘋果iPhone X人臉識別技術即是采用了3D結構光技術。

飛行時間TOF(Time Of Flight)：通過專有傳感器，捕捉近紅外光從發射到接。

收的飛行時間，判斷物體距離。TOF的硬件實現方式和結構光類似，區別只是在于算法上，結構光采用編碼過的光信息進行投射，而TOF直接計算光往返各像素點的相位差。此技術被微軟用在了第二代的Kinct上。

雙目測距(Stereo System)：原理類似人的雙眼，在自然光下通過兩個攝像頭抓取圖像，通過三角形原理來計算并獲得深度信息，目前的雙攝像頭就是雙目測距的典型應用。在移動設備上的應用較少，多用在戶外機器人。

由于雙目測距技術受限條件較多，不能在黑夜中使用，所以商用的3D深度視覺包括飛行時間和結構光兩種技術。

受益于三大技術難點的逐步解決，國內人臉識別產業正迎來前所未有的發展機會，其應用范圍和市場規模有望實現快速擴張。近紅外人臉識別與可見光技術的結合、3D結構光、深度攝像頭的發展都給人臉識別技術帶來了技術革新。深度學習算法的突破則大大促進了人工智能和人臉識別技術的發展，提高了識別的效率和精確度。

消費級應用即將爆發，人臉識別場景日趨多元

刷臉時代來臨，人臉識別市場廣闊，盈利模式多變，消費級領域產業化將爆發。

互聯網+：人臉識別技術在互聯網領域得到了廣泛應用。商湯科技通過深度學習算法，在新浪微博“面孔專輯”功能實現人臉檢測并且分類;曠視為美圖旗下的美圖秀秀App、美顏相機、美顏手機等一系列軟硬件產品提供了人臉識別技術支持。其中美圖秀秀和美顏相機App通過曠視(Face++)的人臉檢測和關鍵點檢測技術，可以在圖像中精準定位人臉和五官位置，從而進行人像美白、五官美化等處理，快速完成精準修容。

新零售&支付：人臉識別技術也被應用在新零售領域，推動著無人零售的發展與實現。2017年9月KFC與螞蟻金服合作在其第一家升級店K PRO采用人臉識別系統等技術，消費者微笑就可通過人臉識別系統完成支付。店內沒有設臵點餐臺和收銀員，消費者到店點餐不僅可以通過設臵在門口的自助點餐機點餐，也能通過手機掃描餐桌上的二維碼自助點餐、支付。在未來，人臉識別技術還可用于客流統計、消費者心理和行為分析。通過客流統計數據，分析不同區域、通道的客流和顧客滯留時間，與銷售業績報表結合，可以分析顧客購買行為，顧客性別年齡組成。

智能手機：人臉檢測和分類技術早已經被運用到智能手機應用中，例如OPPO、小米等手機中，應用了商湯的人臉聚類功能，云端存儲照片將被自動分類，避免了手動分類 照片的繁瑣操作，優化了用戶體驗。

2017年蘋果、小米、Vivo等智能手機廠商不約而同地在新上線的新機型中搭配人 臉解鎖功能。除了可以應用到解鎖功能，蘋果FaceID人臉識別還可以取代以往TouchID指紋識別的功能，包括身份驗證、支付等。在安全性方面，根據蘋果官方消息，被相同指紋破解Touch ID的概率是五萬分之一，而遭遇相同的面部能破解Face ID的概率則是一百萬分之一，安全性提升20倍。眾多手機廠商在人臉識別的布局，有望引爆人臉識別消費級領域的爆發。

總而言之，除了政府、安防、公安、金融之外，互聯網 、消費電子、汽車電子、 零售、醫療、教育等諸多領域都 在逐步引入人臉識別，人臉識別正在逐步滲透進消費級領域方方面面。

人臉識別群雄逐鹿，巨頭和創業公司誰能問鼎?

目前從事人臉識別技術的公司包含三類：工業巨頭、互聯網巨頭和創業公司，都已相繼開始布局。Google、Facebook、百度等互聯網巨頭都在人臉識別產業鏈不同領域布局，傳統垂直領域廠商如蘋果、海康、大華、華為都在研發技術鞏固自身原有業務。巨頭發展的方式為外延和內生并行，例如Facebook收購Face.com，蘋果收購PrimeSense。同時也可以看到有曠視、商湯、依圖、云從等創業公司已經發展壯大成獨角獸。

從終端廠商來看，蘋果、三星、華為、Facebook、谷歌的多項專利顯示，各大終端巨頭都在紛紛布局人臉識別技術。各家科技巨頭主要是采用自研為主，并購為輔的發展戰略。外延并購的例如蘋果、Facebook等。蘋果在人臉識別的應用專注于手機端，先后收購PolarRose，PrimeSense，Perceptio，Faceshift，Emotient，Turi等人臉識別相關技術公司;Facebook 2012年收購了以色列臉部識別公司Face.com。以下表格總結了國外巨頭公司 近幾年在人臉識別領域及其上下游發生的外延并購。

自研技術方面，谷歌在2012年獲得人臉識別解鎖手機的專利;蘋果獲得相應專利的時間為2015年。在國內市場，BAT也在人工智能領域奮力競爭。資本方面，把深度學習算法運用到人臉識別上目前走在最前列的是百度等互聯網公司。同時，很多創業型企業技術也不弱，比如商湯科技(Sense Time)、曠視科技、依圖科技、云從科技四家獨角獸公司。這些公司無論是從技術上還是從應用能力上都 相對成熟，獲得了資本市場的高度重視。下面對比四家人臉識別獨角獸公司的技術和應用場景。

人臉識別在眾多領域遍地開花已經是大勢所趨，四家獨角獸公司在應用方面的布局也有所側重，他們各自憑借先進的技術，在各自擅長的領域進行深度布局，積累了豐富的客戶資源。商湯科技側重在金融、安防、移動互聯網和手機領域;依圖科技側重在金融、安防、醫療和交通領域;曠視科技側重在金融、安防、零售、出行等領域;云從科技側重在金融、安防、酒店，以及其他創新領域。

盈利模式從傳統的硬件銷售、軟件按量或按時收費 (SaaS模式/PaaS模式)、軟件技術支持、軟硬件一體化解決方案再到未來可能會 實現的大數據變現，變現模式多樣。當一個企業能夠在某個場景中沉淀大量優質數據，并且有足夠的能力挖掘這些數據的價值，就擁有了數據變現的能力。Google搜索引擎就是其中的例子。圖像和視頻比文字的數據量更為龐大，未來擁有數據源的公司在數據變現方面會有良好的商業前景。人工智能數據源也將會是爭奪熱點。