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，視網膜識别，人臉識别更快捷友善，你知道人臉識别技術是怎樣實作的嗎？
基于2D圖像資料的人臉識别是目前的主流，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，它的優勢是實作的算法相對比較多，有一套比較成熟的流程，圖像資料擷取也比較簡單，隻需一個普通攝像頭。
2D人臉識别，其主要原理是圖檔與圖檔的比對，即把采集的人臉圖檔與系統庫中儲存的人臉進行比對後得出比對結果。
（人臉檢測-人臉對齊-人臉表征-人臉比對）
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，是以在2D對齊情況中，精準地找到人臉圖檔上臉部特征點的坐标是重點。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。後來又出現了基于大型的資料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人臉識别技術已經相當成熟，2D人臉識别算法識别準确率已經達到了99.80%，已經可以跟人類相媲美。
雖然2D人臉識别準确度高，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、視訊輔助和聲音輔助等。特别是在銀行的認證環節，人臉不是唯一的認證次元，在人臉識别之後還需要驗證手機号、身份證等等，說明2D人臉識别雖然好用，但還并不是完全的安全靠譜。
因為2D人臉識别有一定的局限性，為了彌補不足，3D人臉識别技術應運而生。
相比于2D人臉識别，3D人臉識别使用了更加安全的資料讀取裝置，確定了人臉的真實性，讓人臉資訊難以被盜用。經曆一段時間的發展，有了越來越多的資料樣本，3D人臉識别的算法也越來越成熟。
3D人臉識别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，将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，進而得出圖像上每個點的深度資訊，最終得到三維資料。是以任何一張平面照片都難逃3D結構光的法眼。
基于3D結構光的人臉識别已在一些智能手機上實際應用，比如iPhone使用的face ID，是運用硬體和算法的結合，使用3D人臉識别來驗證手機和賬戶。
TOF
TOF是time of flight(飛行時間)的縮寫，就是雷射測距，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軸方向的深度資訊，最終生成3D的圖像資訊。TOF最主要的應用，是作為跟機器的互動裝置，用在遊戲方面，主要擷取并處理的是人體的姿态資料。
由于TOF比較适合遠距離收集資料，一部分廠商在手機後置鏡頭中加入了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擷取物體三維幾何資訊的方法。由雙錄影機從不同角度同時獲得被測物的兩幅數字圖像，并基于視差原理恢複出物體的三維幾何資訊，進而得出圖像上每個點的深度資訊、最終得到三維資料。
上圖所示為簡單的平視雙目立體成像原理圖，兩錄影機的投影中心連線的距離，即基線距離B。兩錄影機在同一時刻觀看時空物體的同一特征點P，根據P分别在“左眼”和“右眼”上的坐标，測算出P在錄影機坐标系下的三維坐标。是以，左錄影機像面上的任意一點隻要能在右錄影機像面上找到對應的比對點，就完全可以确定該點的三維坐标。
3D人臉識别系統雖然精度高、防盜刷，但是需要3D錄影機、雙目錄影機等特定裝置，在3D人臉識别元件未普及的今天，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人臉識别逐漸得到重視。在2019年CPSE安博會上，大華樂橙釋出了業内首款3D結構光AI人臉識别視訊鎖，可為使用者建立毫米級3D人臉模型，有效防止照片、視訊、頭套面具的攻擊。而且，3D結構光識别受光線、背景燈環境等因素的影響較小，應用更加穩定。