3D结构光能给人脸识别技术带来又一春？

验“金”室

人脸识别技术在2016~2018年快速成熟，2019年已基本覆盖于军事、政务、金融、轨道交通及个人生活等领域，应用量的剧增让攻击风险及信息泄露等安全隐患紧随其后，为解决目前人脸识别存在的安全缺陷及攻击隐患，本文从三个层面探讨3D结构光技术能否使人脸识别技术焕发又一春。

一、从2D到3D，

人脸识别技术到底发生了什么？

常见的人脸识别技术基于二维平面图像进行，也称“2D人脸识别”。

二维人脸图像采集设备一般为智能交互设备上的单目摄像头（对应一个摄像头），假设采集的人脸处于空间正方体中央，则单目摄像头仅能采集到一个横截剖面的平面图像，对于五官在空间中立体凹凸特点无法直接采集。

2D人脸识别过程

对于广泛应用的2D人脸识别技术，为了防范使用时带来的安全隐患，业界已最大程度地在人脸采集智能交互设备上增加多种不同类型的活体检测技术，以提高人脸识别安全性。

图1从专业又通俗的角度列举了如今普遍应用于2D人脸识别的活体检测技术。

图1 2D人脸识别活体检测技术

尽管在智能交互设备信息采集端增加了以上多种类型活体检测及数据保护，但2D人脸识别依然存在仿冒/假体人脸攻击风险、相似人脸易导致误识率较高、光照及遮挡极易影响人脸识别精度等问题。

为了进一步提高人脸识别技术的安全性及可靠性，三维人脸识别技术越来越被业界广泛研究及应用。

三维人脸识别也称“3D人脸识别”，通过三维结构光采集设备可在二维人脸图像识别基础上多采集一维人脸的深度信息，通过三维成像原理可将眼睛、鼻子、嘴巴、耳朵等在空间中的立体信息以点云/曲面拟合还原为人脸三维形态。

图2展示了从2D到3D的人脸图。

图2 从2D到3D的人脸图

人脸三维成像主要通过模拟人的双眼（双目视觉）看到三维空间物体的方式来成像，主流的人脸三维成像主要通过结构光双目设备采集人脸信息，结构光采集设备一般由光源投射器（granting）和成像设备（CCD/CMOS）组成。光源投射器将已知编码的结构光投射在人脸表面，成像设备记录人脸的像素点，因结构光设备在出厂前已进行严格的参数标定，可通过已知物点世界坐标及图像坐标等参数，利用三角测量原理，精准计算出人脸每一个点在空间中的位置信息（如图3所示）。

图3 3D结构光成像原理

图3是最简单的结构光三维成像模型，假定一个正弦光栅投影到漫反射物体表面时，CCD成像系统获取到变形光栅可表示为：

R(x,y)是物体表面不均匀的反射率，即光学影像，包括物体表面灰度及色度信息，C表示均匀投影光强，相位函数ø(x,y)表示条纹相位。标定时，假定漫反射物体是一个标准平面（参考平面），条纹相位具有线性分布特点：

ро是在参考平面上条纹的周期，当漫反射物体是一个分布为h(x,y)的三维表面时，增加了由高度引起的附加相位调制：

λe为等效波长，一个等效波长正好等于引起2π相位变化量的高度变化。这时，从成像系统获取的变形光栅可表示为：

由于物体表面高度变化引起条纹相位变化，导致观察到变形条纹。通过相移计算很容易从多帧相移条纹中分离出ø(x,y)，从而重建h(x,y)分布，也可以从条纹调制分离出R(x,y)，以此获得三维物体的光学影像，通过傅氏变换即可从单帧变形图像中分离出包含三维物体空间信息的数字图像（包括三维形貌、深度、颜色等信息）。

3D结构光动态成像示例如图4、图5所示。

图4 3D结构光动态成像示例

图5 3D结构光动态成像示例

二、2D与3D人脸识别技术哪个更好？

随着智能设备日渐成熟，三维人脸已经能够通过多种方式进行采集，常见三维人脸采集技术分类及特点见表1。

表1 三维人脸采集技术简介

本文所关注的3D结构光三维成像可细分为散斑结构光、光栅结构光和编码结构光三种。

其中，散斑结构光由VCSEL(垂直共振腔面射型激光)、光学准直镜(Collimation lens)、光学衍射器件DOE组成。VCSEL投射出的散斑结与传感器不同距离的三维物体上投射出散斑之间具有视差偏移，根据视差偏移和三角测量即可求解三维物体到传感器之间的深度信息，成像核心是(Dot Pattern) 匹配随机点阵（如图6所示）。

图6 散斑机构光成像

光栅结构光由Projector(投射出调制正弦条纹的结构光投射器)和成像设备（CCD/CMOS）组成。调制光投射在空间中的三维物体时，CCD/CMOS成像时，物体表面的深度变化会造成光栅条纹按调制方式扭曲；通过光的相位（四步相移法）计算出物体与参考平面的相位差，然后通过相位点匹配就可以求出视差信息（如图7所示）。

图7 光栅机构光成像

编码结构光成像由一个Projecter(投射出经过设计和编码的光斑投射器)和成像设备(CCD/CMOS)组成,光斑的编码方式主要有直接编码、时分复用编码、空分复用编码三种方式。通过识别图像特定像素点的编码特征匹配求得视差，与散斑结构光原理一样，最后利用三角测量原理求解空间点的深度信息（如图8所示）。

图8 编码机构光成像

从一个完整的人脸识别流程上进行区分，2D人脸识别与3D人脸识别之间每一个环节都有本质区别（如图9所示）。

图9 2D与3D人脸识别的区别

如图9所示，预处理及特征提取取决于底层的核心算法，如果把第二阶段及第三阶段底层算法看作黑盒，则2D与3D人脸识别之间最易感知的应该是采集阶段与最后的注册与识别阶段（见表2）。

表2 2D人脸识别与3D人脸识别区别

三、 3D人脸识别技术应用及展望

3D结构光人脸相较于2D人脸虽然需要特殊设备支撑，但在技术应用上具有更高采集精度和识别准确率，在安全等级上远高于现有2D人脸识别技术，其主要应用有以下两个方向：

 3D人脸活检

3D结构光人脸活检与近红外双目活检类似，但相比近红外双目，3D结构光设备可以直接获取三通道类型图像数据，如可见光人脸图、近红外人脸图、人脸深度图。其中，深度图像包含了人脸区域三维信息，具有更高的活体防攻击能力，且因人脸特殊反射，3D结构光能够准确区分真人面部立体特征与平面图像、视频、硅胶、塑料头模等的区别，进一步提升人脸识别技术安全性。

3D结构光活体检测技术

3D人脸识别

3D结构光设备获取三维人脸信息，通过预处理对三维人脸信息进行表达，可以采用曲率、UV-Map、CNN的方式，在提取特征之后可基于人脸进行多种识别分析，如身份识别、表情分析、性别分类、年龄分类等，一个简单的3D人脸识别框架如图10所示。

图10 3D人脸信息处理过程

早期，3D人脸识别基本采用手工标注特征级分类度量方式进行人脸识别，随着深度学习技术逐渐成熟，可通过数据采集进行3D人脸识别模型训练。3D人脸识别方法如图11所示。

图11 3D人脸识别方法

3D人脸识别相较2D识别是更准确更安全的，但截至目前仍未大范围进行商用，主要原因在于：

• 3D人脸识别率及效率尚未完成达到商用水平（以2D人脸识别十万分之一误识率下识别率99%为参照）；

• 因精度及成本等原因，智能设备尚未全面覆盖支持3D人脸数据采集；

• 3D人脸数据缺乏，暂无法使用大规模数据训练出高效识别模型，且基于2D人脸识别现状，3D人脸识别算法普及时也需考虑兼容/支持2D人脸识别服务。

生物识别技术推动金融及各领域全面数字化的步伐从未停止，人脸识别自商用起，与人脸相关的信息安全及技术应用一直为人所热议。如今，3D结构光人脸识别技术正跃跃欲试向规模化商用领域发展，能否为人脸识别技术带来新的春天，我们拭目以待！

更多精彩内容

FCC30+

长按左边二维码

关注我们不迷路