刷臉打卡、刷臉支付、刷臉開門，你開始刷臉生活了嗎？

相比指紋，虹膜，語音，靜脈，視網膜識別，人臉識別更快捷方便，你知道人臉識別技術是怎樣實現的嗎？

基于2D圖像數據的人臉識別是目前的主流，在安防、監控、門禁、考勤、金融身份輔助認證、娛樂等多種場景中都有應用，它的優勢是實現的算法相對比較多，有一套比較成熟的流程，圖像數據獲取也比較簡單，只需一個普通攝像頭。

2D人臉識別，其主要原理是圖片與圖片的匹配，即把采集的人臉圖片與系統庫中保存的人臉進行比對后得出匹配結果。

（人臉檢測-人臉對齊-人臉表征-人臉匹配）

現實中，采集的照片往往受光源、人臉角度、運動模糊等等因素影響，所以在2D對齊情況中，精準地找到人臉圖片上臉部特征點的坐標是重點。傳統的方式是基于人工設計的特征和機器學習技術，包括幾何的方法、整體方法、基于特征的方法和混合方法。后來又出現了基于大型的數據集訓練的深度神經網絡(DNN)和卷積神經網絡（CNN）的深度學習方法。現在，2D人臉識別技術已經相當成熟，2D人臉識別算法識別準確率已經達到了99.80%，已經可以跟人類相媲美。

雖然2D人臉識別準確度高，但是難防假臉盜刷。目前，我們常見的防盜刷手段有算法輔助、視頻輔助和聲音輔助等。特別是在銀行的認證環節，人臉不是唯一的認證維度，在人臉識別之后還需要驗證手機號、身份證等等，說明2D人臉識別雖然好用，但還并不是完全的安全靠譜。

因為2D人臉識別有一定的局限性，為了彌補不足，3D人臉識別技術應運而生。

相比于2D人臉識別，3D人臉識別使用了更加安全的數據讀取設備，確保了人臉的真實性，讓人臉信息難以被盜用。經歷一段時間的發展，有了越來越多的數據樣本，3D人臉識別的算法也越來越成熟。

3D人臉識別的優勢主要是圖像采集技術，3D攝像技術主要有：3D結構光、TOF和雙目立體視覺。

3D結構光

3D結構光是通過紅外光投射器，將具有一定結構特征的光線投射到被拍攝物體上，再由專門的紅外攝像頭進行采集。基于光學三角法測量原理進行計算，從而得出圖像上每個點的深度信息，最終得到三維數據。所以任何一張平面照片都難逃3D結構光的法眼。

基于3D結構光的人臉識別已在一些智能手機上實際應用，比如iPhone使用的face ID，是運用硬件和算法的結合，使用3D人臉識別來驗證手機和賬戶。

TOF

TOF是time of flight(飛行時間)的縮寫，就是激光測距，照射光源一般采用方波脈沖調制，根據脈沖發射和接收的時間差來測算距離。

TOF技術是在傳統的2D XY軸的成像基礎上，加入來自Z軸方向的深度信息，最終生成3D的圖像信息。TOF最主要的應用，是作為跟機器的交互設備，用在游戲方面，主要獲取并處理的是人體的姿態數據。

由于TOF比較適合遠距離收集數據，一部分廠商在手機后置鏡頭中加入了TOF的設計。

雙目立體視覺

雙目是基于視差原理并由多幅圖像獲取物體三維幾何信息的方法。由雙攝像機從不同角度同時獲得被測物的兩幅數字圖像，并基于視差原理恢復出物體的三維幾何信息，從而得出圖像上每個點的深度信息、最終得到三維數據。

上圖所示為簡單的平視雙目立體成像原理圖，兩攝像機的投影中心連線的距離，即基線距離B。兩攝像機在同一時刻觀看時空物體的同一特征點P，根據P分別在“左眼”和“右眼”上的坐標，測算出P在攝像機坐標系下的三維坐標。因此，左攝像機像面上的任意一點只要能在右攝像機像面上找到對應的匹配點，就完全可以確定該點的三維坐標。 

3D人臉識別系統雖然精度高、防盜刷，但是需要3D攝像機、雙目攝像機等特定設備，在3D人臉識別組件未普及的今天，市場上2D刷臉占有率仍是最高，但會呈下降趨勢。

在安防領域，3D人臉識別逐漸得到重視。在2019年CPSE安博會上，大華樂橙發布了業內首款3D結構光AI人臉識別視頻鎖，可為用戶建立毫米級3D人臉模型，有效防止照片、視頻、頭套面具的攻擊。而且，3D結構光識別受光線、背景燈環境等因素的影響較小，應用更加穩定。

市場上，3D人臉識別模組的價格一直居高不下，導致了智能鎖的成本增加，加上中國家庭對智能鎖的需求沒有完全被挖掘，所以3D人臉識別的智能鎖市場占有率比較低。不過我們相信，在不久的未來，人們對這項新技術的接受度會越來越高，3D人臉識別技術的普及率也會越來越高。