刷脸打卡、刷脸支付、刷脸开门，你开始刷脸生活了吗？
相比指纹，虹膜，语音，静脉，视网膜识别，人脸识别更快捷方便，你知道人脸识别技术是怎样实现的吗？
基于2D图像数据的人脸识别是目前的主流，在安防、监控、门禁、考勤、金融身份辅助认证、娱乐等多种场景中都有应用，它的优势是实现的算法相对比较多，有一套比较成熟的流程，图像数据获取也比较简单，只需一个普通摄像头。
2D人脸识别，其主要原理是图片与图片的匹配，即把采集的人脸图片与系统库中保存的人脸进行比对后得出匹配结果。
（人脸检测-人脸对齐-人脸表征-人脸匹配）
现实中，采集的照片往往受光源、人脸角度、运动模糊等等因素影响，所以在2D对齐情况中，精准地找到人脸图片上脸部特征点的坐标是重点。传统的方式是基于人工设计的特征和机器学习技术，包括几何的方法、整体方法、基于特征的方法和混合方法。后来又出现了基于大型的数据集训练的深度神经网络(DNN)和卷积神经网络（CNN）的深度学习方法。现在，2D人脸识别技术已经相当成熟，2D人脸识别算法识别准确率已经达到了99.80%，已经可以跟人类相媲美。
虽然2D人脸识别准确度高，但是难防假脸盗刷。目前，我们常见的防盗刷手段有算法辅助、视频辅助和声音辅助等。特别是在银行的认证环节，人脸不是唯一的认证维度，在人脸识别之后还需要验证手机号、身份证等等，说明2D人脸识别虽然好用，但还并不是完全的安全靠谱。
因为2D人脸识别有一定的局限性，为了弥补不足，3D人脸识别技术应运而生。
相比于2D人脸识别，3D人脸识别使用了更加安全的数据读取设备，确保了人脸的真实性，让人脸信息难以被盗用。经历一段时间的发展，有了越来越多的数据样本，3D人脸识别的算法也越来越成熟。
3D人脸识别的优势主要是图像采集技术，3D摄像技术主要有：3D结构光、TOF和双目立体视觉。
3D结构光
3D结构光是通过红外光投射器，将具有一定结构特征的光线投射到被拍摄物体上，再由专门的红外摄像头进行采集。基于光学三角法测量原理进行计算，从而得出图像上每个点的深度信息，最终得到三维数据。所以任何一张平面照片都难逃3D结构光的法眼。
基于3D结构光的人脸识别已在一些智能手机上实际应用，比如iPhone使用的face ID，是运用硬件和算法的结合，使用3D人脸识别来验证手机和账户。
TOF
TOF是time of flight(飞行时间)的缩写，就是激光测距，照射光源一般采用方波脉冲调制，根据脉冲发射和接收的时间差来测算距离。
TOF技术是在传统的2D XY轴的成像基础上，加入来自Z轴方向的深度信息，最终生成3D的图像信息。TOF最主要的应用，是作为跟机器的交互设备，用在游戏方面，主要获取并处理的是人体的姿态数据。
由于TOF比较适合远距离收集数据，一部分厂商在手机后置镜头中加入了TOF的设计。
双目立体视觉
双目是基于视差原理并由多幅图像获取物体三维几何信息的方法。由双摄像机从不同角度同时获得被测物的两幅数字图像，并基于视差原理恢复出物体的三维几何信息，从而得出图像上每个点的深度信息、最终得到三维数据。
上图所示为简单的平视双目立体成像原理图，两摄像机的投影中心连线的距离，即基线距离B。两摄像机在同一时刻观看时空物体的同一特征点P，根据P分别在“左眼”和“右眼”上的坐标，测算出P在摄像机坐标系下的三维坐标。因此，左摄像机像面上的任意一点只要能在右摄像机像面上找到对应的匹配点，就完全可以确定该点的三维坐标。
3D人脸识别系统虽然精度高、防盗刷，但是需要3D摄像机、双目摄像机等特定设备，在3D人脸识别组件未普及的今天，市场上2D刷脸占有率仍是最高，但会呈下降趋势。
在安防领域，3D人脸识别逐渐得到重视。在2019年CPSE安博会上，大华乐橙发布了业内首款3D结构光AI人脸识别视频锁，可为用户建立毫米级3D人脸模型，有效防止照片、视频、头套面具的攻击。而且，3D结构光识别受光线、背景灯环境等因素的影响较小，应用更加稳定。
市场上，3D人脸识别模组的价格一直居高不下，导致了智能锁的成本增加，加上中国家庭对智能锁的需求没有完全被挖掘，所以3D人脸识别的智能锁市场占有率比较低。不过我们相信，在不久的未来，人们对这项新技术的接受度会越来越高，3D人脸识别技术的普及率也会越来越高。
