3D感測成主流技術，人臉識別準確率大幅提高

人臉識別在2018年已成為全球在視頻智能應用技術的主流，不少機場及車站也大量采用人臉識別通關檢查系統(tǒng)，讓人臉識別技術受到各行業(yè)的高度關注。據MarketsandMarkets預估，人臉識別全球市場產值將從2017年的40.5億美元，成長至2020年的77.6億美元，可以預期市場的快速成長將帶動并加速各種行業(yè)在人臉識別的應用發(fā)展。

***人臉識別技術的研究始于90年代末期，但直到2005年后期一些安全應用的人臉識別系統(tǒng)才開始進入市場。人臉識別核心技術的發(fā)展對***安防產業(yè)來說算是一個相當重要的技術發(fā)展環(huán)節(jié)，雖然現(xiàn)在人臉識別率已達到90%以上，但周邊環(huán)境的變化依然是技術應用的最大問題。

3D感測成主流技術

2D人臉識別技術已經走到瓶頸，這兩年3D人臉識別技術開始冒出，目前較常見的3D感測技術有下列四種：

立體視覺（Stereo Vision）

透過2個相機模塊拍攝影像，進行三角測量法等運算取得物體距離，是四者中唯一只需RGB相機模塊而不用IR（紅外線）模塊的技術。由于需進行影像運算，通常需要一個額外影像運算芯片輔助，因此有些芯片廠商會推動這項技術。

結構光（Structured Light）

原理是對目標打出光條紋，再透過打出去的光紋變化來計算形狀和距離，較常見于工業(yè)檢測和研究用途。隨著IR發(fā)展，Structured Light技術也能透過IR發(fā)射光紋，所以基本零組件包括IR發(fā)射器、IR相機模塊與RGB相機模塊。

光斑圖案編碼（Light Coding）

曾被微軟應用在第一代Kinect體感攝影機，其原理是IR雷射發(fā)射后會經過光柵，將光平均分布在測量空間中，再透過IR相機記錄每個空間的雷射散斑，設備上需要IR發(fā)射器、IR相機模塊與RGB相機模塊。

飛行時間測距（Time of Flight，簡稱TOF）

為微軟并購的3DV Systems，也是第二代Kinect采用的技術。其原理是透過IR雷射發(fā)射，獲得空間中每一點達到觀測點的時間，進而推算出距離，得出3D景深圖。因此需要IR發(fā)射器和接收器，并配合RGB相機模塊和感光組件或感應數(shù)組。

Stereo Vision和Structured Light都需要圖像分析運算，但Stereo Vision的軟件運算較繁雜，不適合大量多點感測，且光源和鏡頭間的基線長度也得拉長，整體而言并不適合用于3D感測。

相對地，TOF可記錄每個觀測點的時間數(shù)據后再進行計算，Light Coding也只需轉換各區(qū)域散斑以計算距離，復雜度較低;不過這兩項技術均需IR發(fā)射和接收器，也另外需要內存甚至操作數(shù)件，故成本較高。此外，兩者的運算原理不同，TOF單點IR只需記錄時間，理論上會比Light Coding先分析散斑圖形再運算來得簡易;而Light Coding是將整個畫面切割測距，要得到概略景深圖較容易。整體而言，TOF的反應速度和精準度最佳，而Light Coding在不需要精細景深圖時的表現(xiàn)較平均，Stereo Vision的成本則較低。

雙技術結合各有利弊

近年許多人臉識別軟件公司紛紛提出人臉識別結合RFID或Beacon、指紋等相關技術，利用雙重關卡防止誤判或提升辨識速度，但卻忽略了使用人臉識別的主要初衷──原就是不需再攜帶其他身分驗證裝置，故各有利弊。以目前手機App廣泛使用人臉偵測（Face Detection）及特征擷取（Feature Extraction）這兩類服務來說，最常見的就是修圖軟件或是影片屏蔽的應用，許多公司都有提供在線的Web API供大家開發(fā)，在行動裝置上亦提供iOS及Android系統(tǒng)的SDK，算是非常普遍的技術支持。