人臉是人體最重要的生物特征之一，而人臉研究主要集中在人臉識別方面，人臉的表達模型分為2D人臉和3D人臉。2D人臉識別研究的時間相對較長，方法流程也相對成熟，在多個領域都有使用，但由于2D信息存在深度數據丟失的局限性，無法完整的表達出真實人臉，所以在實際應用中存在著一些不足，例如識別準確率不高、活體檢測準確率不高等。

    3D人臉模型比2D人臉模型有更強的描述能力，能更好的表達出真實人臉，所以基于3D數據的人臉識別不管識別準確率還是活體檢測準確率都有很大的提高。

因為2D人臉識別有一定的局限性，為了彌補不足，3D人臉識別應運而生。

     3D人臉識別現狀：目前3D人臉識別在市場上根據使用攝像頭成像原理主要分為：3D結構光、TOF、雙目立體視覺。

3D結構光：3D結構光通過紅外光投射器，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。主要利用三角形相似的原理進行計算，從而得出圖像上每個點的深度信息，最終得到三維數據。基于3D結構光的人臉識別已在一些智能手機上實際應用，如國外使用了超過10億張圖像（IR和深度圖像）訓練的FaceId；國內自主研發手機廠商的人臉識別。

TOF：TOF簡單的說就是激光測距，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。采用TOF的方式獲取3D數據主要在Kinect上實現，Kinect在2009年推出，目的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。

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。

版權聲明：本文為CSDN博主「安靜的少女Jasmine」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。

原文鏈接：

https://blog.csdn.net/molixuebeibi/article/details/91880162  

     以上為網絡上原文摘抄，僅為了普及人臉識別基本概念和技術思路，下一篇重點看差異。

     小優3D相機模組采用mems技術，精度大概是同類產品提高十倍，相應的價格就。。。呵呵。