趣聞控
2017年9月，蘋果發佈了十年紀念之作iPhone X手機，以“劉海屏”設計、Face ID人面識別技術再一次改變世界手機設計標杆，由於異形劉海屏的仿製難度不大，各家手機廠商很快就完成相關產品推出，但對於蘋果擁有核心技術、數年時間研發的Face ID就一籌莫展，Android陣營直到9個月後的才陸陸續續拿出相關技術的期貨手機（小米8探索版、OPPO Find X），那麼他們之間到底是不是一樣的嗎？有何異同？
面部識別技術，是基於人的臉部特徵信息進行身份識別的一種生物識別技術。利用攝像頭採集人面部圖像或者是視頻，通過提取其中的關於面部圖像特徵，與數據庫中存儲的特徵模板進行搜索匹配，當相似度超過設定閾值就會輸出匹配成功，反之輸出匹配失敗結果。
因此目前的面部識別技術原理上都是大同小異，萬變不離其宗的，只不過是在面部信息數據採集方案有所不一樣，有的利用算法模擬出面部特徵點三維關係，有的是直接採集面部深度數據。因此按照採集面部數據異同，3D深度相機大概有有以下三種主流方案：雙目視覺、結構光和TOF飛行時間法。
雙目視覺 Stereo
其實這個很好理解，它是目前機器視覺的重要形式，仿照人類眼睛的構造，利用兩個鏡頭的視覺差模擬人眼能夠獲取到的3D深度數據，兩幅不同視覺的圖像，計算其中對應點之間的位置偏差，即可獲得物體的三維幾何信息。
一般方案會採用被動雙目，優點在於不需要額外的光源，利用一切自然光就能使用，缺點就是到了暗處或者夜間，被動雙目就抓瞎了，因此後續研究人員開發出利用紅外光作為照明光源的主動雙目，這樣晚上也能使用。
小米8，商湯科技，紅外人臉識別（基於2D，非3D）
由於雙目視覺僅僅是依靠圖像進行特徵匹配，使用普通攝像頭即可，硬件附加設備要求非常低，成本也很低，雖然計算量比較大，但是對於目前SoC都能夠勝任，也是三種方案中計算量最少的。而且只要能夠保證光源強度，室內外都能夠使用，適用性非常好。
雙目視覺的缺點也很明顯，對於環境光照非常敏感，光線差異會導致圖像偏差很大，導致匹配失敗或者是精度過低；識別場景中有複雜背景可能會導致面部識別失敗；而且後續有安全專家表示，可以利用較為精細的3D打印面部模具欺詐通過識別，安全性依然是個大問題。
目前利用雙目視覺方案獲取3D深度信息的代表有，Leap Motion、大疆無人機。
接下來要介紹的結構光以及TOF兩個方案，就不得不提到微軟大佬，因為其XBOX上動作採集設備Kinect正正是採用了這兩項技術的代表，但顯然是“起了個大早，趕了個晚集”。第一版Kinect所謂的深度傳感器，其實就是採用結構光方案，對光進行編碼，投射到人身上，讀取投射的紅外線形狀，透過計算變形量來取得深度信息。技術提供方是以色列的PrimeSense公司，然後在2013年就被蘋果公司買下來，做成Face ID。
投射紅外線pattern的IR Projector（左）和IR Camera（右）
結構光 Structured Light
通過近紅外激光器發射具有一定結構特徵的光線後，經過人臉反射，形變之後的圖案被紅外圖像傳感器所接收。由於原始光線在被攝物體的不同深度區域被反射，採集後生成的圖像相對原始光線結構發生變化，通過運算單元將這種結構的變化換算成深度信息，然後兩顆圖像傳感器的信息再彙總至專用的圖像處理芯片，利用三角原理計算從而得到拍攝物體的三維結構。
而根據編碼圖案不同一般有條紋結構光、編碼結構光、散斑結構光三種不同方案。下面我們會以具體手機所採用的方案進行介紹。
蘋果iPhone X（Prime Sense，散斑結構光）
因為整體技術解決方案較為成熟，移動端的3D結構光技術主要以蘋果的3D散斑結構光為主。同時蘋果較早收購了提供該技術公司以色列公司Primesense，相關的專利技術掌握在其手中。
根據Prime Sense在專利中的描述，紅外激光生成器射出激光束，通過光學衍射元件DOE（Diffractive Optical Elements）進行衍射（這個在iPhone X就是點陣投影器），進而得到所需的散斑圖案。這些散斑具有高度的隨機性，而且會隨著距離的不同而變換圖案。只要在空間中打上這樣的結構光，相當於空間已經被細分，每個區域都做了標記，只要你的人臉進入了這個空間，利用紅外鏡頭把空間的散斑圖案記錄下來，與之前光源基準標定進行對比計算，就能獲取到當前物體與手機的具體距離，從而知道深度信息。
點陣投影器，圖片來自上海微技術工業研究院
3D結構光最大優勢在低光照下也可以使用，而且包含深度信息的圖像分辨率可以做到很高，安全性可以通過提高光點數目，創建更加精細的毫米級3D面部模型達成，在可靠性上非常有優勢，比如iPhone X可以打出3萬點散斑。
但也正是數據量大幅度增加，需要配合高性能處理器進行編解碼，因此蘋果專門對iPhone X的A11處理器進行過AI訓練處理，專門用於加速面部信息處理。此外用過iPhone X的人都知道另一個缺點，就是距離不能太近（基線大），需要有一段距離才能正確設備，這個與衍射光點的結構模塊有關；距離太遠的話，精度也會隨之變差；在室外遇到強光也可能影響到紅外攝像頭採集散斑效果，導致匹配解鎖失敗。
OPPO Find X（奧比中光，散斑結構光）
OPPO Find X同樣是採用了結構光方案，他們自家稱之為O-Face，技術供應方是來自中國的奧比中光，是國內目前唯一量產出手機可用的3D結構光模塊廠商，前不久才剛剛完成了螞蟻金服領投的超兩億美金的D輪融資，研發實力相當強勁。
儘管OPPO Find X只能投射出1.5萬個散斑，只有iPhone X方案的一半，但依靠外掛Secure Enclave安全區域芯片，率先完成了Android手機的Face ID移動支付功能，這個非常重要。“Face ID”如果不能用於移動支付，僅僅是作為解鎖手機的功能，這個就讓人很納悶，大幾千的手機都不支持生物識別技術支付，還不如指紋識別，開倒車？
其實這個事情或許需要兩面看，Face ID類在移動支付是新嘗試，銀行、移動支付機構需要時間驗證其安全性，涉及到錢銀上都是萬分小心的，只有當技術、安全達到要求，廠商、銀行、第三方軟件開發商才會敢採用。
小米8探索版（Mantis Vision，編碼結構光）
小米8探索版是在小米8紅外人臉識別方案的基礎上，加入了點陣投影器以獲取人臉3D深度信息。發佈會上說可以打出3.3萬個光點，一開始以為和蘋果iPhone X一樣，但其實他們光點有著本質不同，小米8探索版採用的是以色列公司Mantis Vision的方案，他們是編碼結構光的代表，與Prime Sense散斑結構光不同，他們的打出來的光點是經過編碼的光斑（不需要DOE衍射結構），就像下圖所示那樣，這樣做的好處在於能夠減少3D信息計算量，降低結構光算法功耗。也就是說，不用像蘋果那樣，專門訓練過一個神經網絡來處理這部分數據，計算難度大大下降。
不過目前你會發現小米8探索版似乎還不支持移動支付，這可能要歸咎於Android系統上混亂的生物認證API，大家各造各的，統一不起來，Google已經意識到這個問題，已經在Android P中新增專門用於生物識別技術的統一API——BiometricPrompt API，打造更加完善的生態系統；其次Android手機中可能需要額外增加用於存儲巨量面部數據的Secure Enclave安全區域芯片，因為數據的比對要在SE內部完成，否則存在數據洩露風險，目前指紋方案是在TE模塊上實現，兩者不同，蘋果更是直接在A11芯片上集成SE模塊，可靠性更高。但不排除小米8探索版是沒有完工，適配工作還在繼續，別忘了探索版可是還有屏下指紋識別哦，這也是可以充當移動支付的手段，而那個“Face ID”只能用於解鎖手機啦。
從市面上三家手機廠商推出的3D結構光方案，可以看出Face ID已經成為未來手機生物識別主流技術方案。據相關機構統計，3D成像和傳感器件市場的複合年增長率為37.7%，2022年將達到90億美元。但是由於核心技術被全球少數公司壟斷，除了蘋果收購的Primesense外，還有Intel、MantisVision，而國內能夠量產的只有奧比中光一家。
同時由於結構光需要投射固定/可編程的光點，因此需要特殊的DOE衍射結構器件，這個也是目前業界量產難題，不僅做得供應商少，而且有能力做好的無非就意法半導體、德州儀器、英飛凌這幾家。產能極少，滿足不了手機龐大市場，只能是少部分高端手機採用，同時成本上依然是非常高昂。
猜猜這是誰家的方案？很厲害的哦
光飛行時間法 Time of Fight
可能是第一版Kinect被消費者詬病太多，結構光技術存在有效深度信息少、baseline（基線）大、工作距離短、量產難度大等挑戰。微軟很快就放棄，轉投TOF陣營，2014年發佈的第二代Kinect就是採用TOF（Time of Flight）方案來獲取深度信息圖像。
Color Camera旁邊是紅外線Camera(左)和投射脈衝變調紅外線的Porjector（右）
顧名思義，飛行時間法就是計算傳感器發出經調製的近紅外光，遇物體後反射，傳感器通過計算光線發射和反射時間差或相位差，來換算被拍攝景物的距離，以產生深度信息。
TOF並非基於特徵匹配，結構光和雙目視覺來說受環境影響最小的技術，這樣在測試距離變遠時，精度也不會下降很快，而且響應速度快，如果不是計算相位差方案，計算量不算太多。
Vivo TOF 3D超感應技術
而中國手機廠商成為了新技術探索的先行者，vivo前不久發佈了“TOF 3D超感應技術”，這個就是TOF方案的應用在手機上的體現。
據vivo介紹，TOF具備有效深度信息高、工作距離遠、結構佈局靈活、應用場景豐富等優勢。通過發射近紅外光，傳感器計算紅外光與目標的觸達返回時間差，從而實現立體視覺。相比結構光技術，vivo TOF 3D超感應的有效深度信息點高達30萬，為結構光技術的10倍。同時將有效工作距離提升到3米，是結構光的3倍。
Vivo還提到了ToF 3D成像技術還可以做到屏下，這樣就可以拋棄大家不待見的劉海屏，讓手機真正進入全面屏時代。當然，現在一時半會還做不到，這個要和屏幕供應商密切合作才能夠量產。
TOF又有優點，固然也有缺陷的地方，TOF對於設備要求非常高，特別是時間測量模塊，畢竟光速一秒299792458米，要區分你面部幾毫米細節，就需要對測量模塊精度提出了全新要求。如果採用了相位差方式，又需要多次採樣進行積分，造成運算量巨大，消耗資源多。
深度相機的另類應用
既然能夠獲取人面部的深度信息，那是不是可以像好萊塢特效電影那樣，在人物模型上套上別的皮膚呢？是的，完全可以，因此我們才會看到像Animoji、AR Emoji、米萌這類型可愛的動話表情。
更進一步的話，可以建立起人體模型，什麼3D試衣、體感遊戲、AI修圖等等都是非常有潛力的應用哦。
現在幾百塊的手機都能有指紋識別功能，而且速度還賊快，和高端機型根本做不出區別來。因此手機廠商都煞費苦心地研究什麼屏下指紋識別、面部識別技術，而其中3D結構光、TOF已經逐漸成熟，並且可以小型化，集成於手機上，未來我們肯定可以看到更多采用這類方案的面部生物識別的手機。
附三種方案對比，由方正證券研究所提供
超能網
人臉識別，字面上意思是基於人的臉部特徵信息進行身份識別的一生物識別技術。現在的手機除了蘋果的iphonex，其他的像小米，ov一加等等這種傳統的可見光圖像的人臉識別都是2d，已經有幾十年歷史。但這種方式有很大的缺陷，尤其在光照條件不好的情況下比如晚上啊，識別效率大大下降甚至無法識別。目前來說只有蘋果x的面部識別基於3d結構光技術，通過前置攝像頭當中的景深攝像頭等組件，能快速掃描人的臉部並在人的臉部表面形成3萬個看不見的紅外點3d建模，這樣做的好處是無論你是帶了眼鏡帽子。還是白天、夜晚，都能夠順利的識別而且安全性很高。
