3D人脸成像技术整理

3D人脸识别则是通过3D摄像头立体成像,能够识别视野内空间每个点位的三维坐标信息,从而使得计算机得到空间的3D数据并能够复原完整的三维世界,并实现各种智能的三维定位。简单的说就是机器获取的信息多了,分析判断的准确性有了极大的提升,人脸识别功能可以分辨出平面图像/视频/化妆/皮面具/双胞胎等状态,适合金融领域和智能手机等安全级别要求高的应用场景。

1、三种主流的3D成像技术

(1)结构光(Structured Light):结构光投射特定的光信息到物体表面后,由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度等信息,进而复原整个三维空间。

(2)TOF(Time Of Flight,飞行时间):通过专有传感器,捕捉近红外光从发射到接收的飞行时间,判断物体距离。

(3)双目测距(Stereo System):利用双摄像头拍摄物体,再通过三角形原理计算物体距离。

3D人脸成像技术整理_第1张图片

在这三种技术当中,哪种技术更适合智能手机的应用呢?

3D人脸成像技术整理_第2张图片

由上图可知,三种技术当中只有双目视觉不适合昏暗环境使用,也就是说我们的智能手机在夜间无法实现人脸识别解锁,首先就被排除了。

下面再来看看TOF技术和结构光技术。

TOF技术具有响应时间更快,抗光照表现尚可,深度信息精确度高、识别距离远等优势,但是其也有着分辨率低、成本高、功耗高、模块太大的劣势。

而结构光技术优势则在于低光下表现良好,分辨率更高,成本、功耗适中,主要缺点是易受阳光影响,识别距离短,相应时间稍慢的缺点。

不过就应用于智能手机上的人脸识别功能,结构光技术应该是要比TOF技术更有优势。因为通过智能手机的前置3D系统来进行面部识别这种应用场景本身识别的距离就很近,所以不存在需要支持更远的识别距离的问题。另外结构光相比TOF技术,短距离的精度更高,也更适合用在手机前置摄像头上。而且其分辨率、相应时间已经足以应对手机端面部识别的需求(采用TOF技术的Project Tango手机是后置3D系统,其作用也不是主要用于面部识别)。

另外,就两种技术所产生的深度图来看,TOF深度图会存在多重反射产生的噪音、边缘精细度过低、时域滤波导致滞后等问题。而结构光的深度图则只有边界线清晰度略低的问题。最后,由于是用在智能手机这样的消费类移动设备上,所以成本、功耗也都是需要考虑的因素。

所以总的来说,如果是手机前置3D面部识别系统,结构光技术相比TOF技术更具优势。

目前,国际巨头Apple、Microsoft、Facebook/Oculus、Intel、Google等早已瞄准3D成像人脸识别技术,近年来收购了十数家这个领域的创业公司并且势头不减。过可惜的是,上述大公司无一例外都在为自己的产品构建核心技术门槛,为内部生态服务,至少目前不会致力于成为深度传感器和技术服务的专业供应商。

回过头来,我们来再看看看iPhone X所采用的3D面部识别模组:

从上面这张图上我们可以看到,在iPhone X的“齐刘海”部分,挤进了众多的元器件,分别为:红外摄像头、Flood Illuminator(泛光感应原件)、距离传感器、环境光传感器、扬声器、麦克风、前置摄像头、投影斑点(结构光)发射器。

据了解,iPhone X进行面部识别时,将会同时调用结构光发射器、红外摄像头、前置摄像头和距离传感器。其中,结构光发射器会投射超过 30000个肉眼不可见的光点,覆盖整个面部,红外摄像头负责收集这些光点绘制成精确细致的具有深度信息的面部图像。由于借助的是不可见的红外光线,所以即使在黑暗中也能进行面部识别。而前置摄像头负责获取2D图像,之后共同合成3D立体图像。而结构光发射器与面部的距离会有一定的限制,所以需通过距离传感器来提醒用户将iPhone X调整至最佳距离来进行3D感测。

至于这个Flood illuminator似乎是苹果自造的词,有业内人士表示,这似乎是“多光谱扫描”,果真如此的话,那么就可测出和分析面部表皮的斑点、毛孔、皱纹和皮肤纹理,这样可以对面部识别起到高度防假的作用。也有业内人士表示,有业内人士表示这实际就是红外光发射器,那么是否意味着iPhone X同时结构光+TOF两种3D面部识别技术呢?这个还有待考察。

为了加强Face ID的识别速度和精度,苹果还在A11处理器当中集成了独立的神经网络引擎,用来记忆人脸数据和对人脸进行快速识别。苹果表示,手机验证的速度很快,基本上你看到就能瞬间解锁,比指纹识别快多了。

据苹果介绍,Face ID的失败率在1/1000000。不过尴尬的是,苹果高管Craig上台演示iPhone X的人脸识别功能时,第一次就遭遇了Face ID识别失败,第二次再次失败,第三次才成功。有业内人士表示,这主要是因为“发布会现场光线比较暗,而演示者侧面有比较强的大屏幕光线,这说明苹果的Face ID对于场景的预测不够”。


本文整理自以下网络资源:

http://www.sohu.com/a/191481400_99950678

http://baijiahao.baidu.com/s?id=1578500066293318023&wfr=spider&for=pc



你可能感兴趣的:(Deep,Learning,人脸识别)