苹果x人脸识别技术原理解读

　　iPhoneX介绍

　　iPhone X屏幕上前方采用了 TrueDepth 摄像系统，双摄像头，其中一个为红外摄像头，还包含各种传感器。如下图所示。

　　

　　Face ID与普通人脸识别其实就是3D人脸和2D人脸的区别。Face ID通过一个结构光系统提取人脸的点云信息生成一个3d模型，而传统的人脸识别是通过一系列的方法，可以是简单的基于位置的信息，也可以是通过神经网络提取出相应的底层，在二维特征层面上进行比较。

　　Face ID之所以能生成准确的3D人脸模型，是因为用到了结构光，右边有一个小投影仪投射带形状信息的红外光斑到人脸上，左边的摄像头采集光斑的信息，根据形变和大小等逐一确定各个位置的深度和方向信息，最后得到人脸的点云生成3D模型。而传统的单摄像头方案因为没办法准确有效地提取深度信息，人脸识别往往只能使用2维图像。

　　其实，3D视觉作为一项激动人心的新技术，早已经出现在微软Kinect、英特尔RealSense等消费级产品中。近几年，随着硬件端技术的不断进步，算法与软件层面的不断优化，3D深度视觉的精度和实用性得到大幅提升，使得“3D深度相机+手势/人脸识别”具备了大规模进入移动智能终端的基础。

　　要了解FaceID的人脸识别技术，让我们先来科普一下结构光技术与原理。

　　结构光硬件组成

　　1、结构光成像一般需要发射源，发射源一般是红外或者激光，发射出点阵或者栅格光源，投到物体表面。

　　2、结构光成像还需要接受器，接受器一般与发射源对应，能够获取发射源投在物体表面的光信息。

　　3、结构光成像，还需要一个硬件计算单元，把接收器接收到的信息处理成物体三维的点云信息。

　　结构光原理

　　发射源发射的均匀点阵/栅格投射到待测物表面后，由于物体的表面深度不一样，点阵/栅格会因为不同的深度形状产生空间形变和飞行时间差，被改变的结构光投影经摄像系统采集，传送至硬件计算单元分析计算后可得出被测物的三维面形数据。

　　空间相位形变和光脉冲飞行时间差是结构光最常用的两种方法：利用空间形变，获取结构光场的相位、光强等被待测物的高度调制后产生的变化，可以读取并计算这些性质的变化获取待测物的面形信息；利用飞行时间差，可以记录了光脉冲在空间的飞行时间，通过飞行时间计算待测物体的面形信息。

　　以下用知乎作者Lee Mr的一篇结构光示例来跟大家简单说明：

　　1）第一步，编程让发射源产生正弦条纹图，因为后续要利用变形条纹图获取相位，而获取相位的算法也有多种，此处采用的是四步移相法，具体原理去查文献，不再累述。因此这里产生四幅相位差pi/2的条纹。然后将该四幅条纹分时投影到被测物（面具）上，采集到如下图左边边的图（当然也是四幅），同时要采集四幅参考面的条纹（未被调制，同样四幅）。

　　

　　2）第二步，相位恢复。由采集到的四幅受调制条纹图计算出被调制相位，这里得到的相位图是截断相位图，因为四步移相算法得到的结果是由反正切函数计算所得，因而被限制在［-pi，pi］之间，也就是说每当其值超过该范围，其又会重新开始。得到的相位主值如下图所示：

　　

　　3）上述二者相减得到相位差，该相位差则表征了被测物相对参考面的高度信息，再代入相位与高度转化公式，得到如下三维模型。

　　

　　FaceID技术原理

　　接下来，我们来了解IphoneX的FaceID技术是怎么实现的。

　　首先我们来了解一下IphoneX齐刘海的硬件设计，包含了一个三维采集系统：红外相机、泛光照明灯、环境光传感器和点阵投影器。

　　

　　点阵投影器能在不同的光照条件下将 3万 多个肉眼不可见的光点投影在人的脸部，绘制出独一无二的面谱，由红外相机得到面部3D深度信息模型。再结合前置摄像头拍摄的可见光人脸，将人脸的纹理与人脸3D模型通过算法结合，得到真实的3D人脸图。

　　得到3D人脸图以后，自然是通过目前最实用的深度学习算法，学习三维人脸的特征，再进行人脸识别。精度自然比平面人脸的识别精度要高。

　　FaceID技术优势

　　1、三维人脸的深度信息，天然防止了平面的纸张、视频等人脸攻击手段； 2、由于其点阵投影器、泛光照明灯的特性，可以对其人脸肤色与其它材质有较好的区分性，防止了面具等攻击手段；

　　3、由于获取人脸三维信息主要依靠红外技术手段，对于室内环境引起的人脸光照变化基本不敏感，可以在室内任意光环境下使用；

　　4、结构光精度可达到0.1毫米级精度，可以使人脸识别精度大大提高。 FaceID技术问题

　　1、由于红外结构光受传输距离的影响比较大，衰减厉害，目前IphoneX的有效人脸识别距离应该在20cm-60cm之间；超出距离精度会大大下降；

　　2、由于太阳光包含有红外光，可以预料，在外界阳关充足的环境下，IphoneX的人脸识别会受较大影响；

　　3、由于结构光捕获三维信息时有一个短暂的多帧相位信息融合，对于持续移动和快速移动的人脸，识别精度会大大降低。

　　

　　结构光人脸识别国内现状

　　1、目前能够把结构光整个发射、接收模组做到如IphoneX这般小，能够集成到手机上的基本还没有。据了解，目前能够做到最小的也得手机充电器般大小；

　　2、从结构光的技术原理上分析，要形成一个精准的三维模型，至少需要4-5帧视频图像进行重建，需要保证光源发射器的频率和摄像头捕捉画面频率同步，这对于普通红外摄像机的帧率25帧来讲，至少需要200ms时间完成光源信息采集，再通过算法对其点云重建，时间较长。目前对于Iphone的技术细节无法获取。

　　3、由于受硬件限制，目前3维人脸数据的采集难度较大，数据样本太少，对人脸识别算法的学习和研究带来一定难度。