咱們開門見山，直接先說應該明确的結論，相信大家在經過整一年多的宣傳、使用、體驗分享等内容的狂轟濫炸之後，大部分的用戶其實都是知道普通的面部識别并不等于Face ID，當然，這裡Face ID泛指真正使用3D人臉建模來完成識别、比對過程的解鎖技術。

Face ID初登場的iPhone X

不過，如今市場上使用真3D人臉識别技術解鎖的手機并不多，采用3D結構光技術的主流機型有小米8透明探索版、OPPO Find X，華為Mate 20 Pro和榮耀Magic 2等，此外剛發布不久的vivo NEX雙屏版是一個特殊的粒子，因為其實現3D級别的人臉識别其實靠的是那顆專門的TOF 3D攝像頭，雖然原理有所差異，但其安全性同樣靠譜，已經獲得了支付寶人臉支付支持。

小米8透明探索版 3D結構光元件

與之相比的則是大部分廠商現在“标配”的普通人臉識别了，它們通常通過前攝像頭來捕捉用戶面部圖像，之後經過抽象處理等步驟之後提取出相關的各類人臉特征，其中既有包含五官大小、相對位置、角度這些簡單的幾何圖像特征，也包括利用各類代數、統計、表征等方法提取出的特征分量，這個根據各家的算法不一而同，但綜合來說就是記錄下圖像中你之所以看起來是你的各類信息。

普通前置攝像頭人臉解鎖

不過因為所采集的信息本身來源于2D的平面圖像，在立體維度方面的信息量存在天然的劣勢，即使有的廠商添加了雙攝和算法等加以彌補，但從根本上來說，其安全性與3D層面的人臉識别也還是有着明顯差距的。

3D人臉識别的優勢就在于深度信息的補充，以上說到的3D結構光和TOF兩種方式原理還有所不同，其中3D結構光基本原理可以理解為：結構光投射特定的光信息到物體表面後，由IR紅外攝像頭采集物體表面所反射的光信息，根據分析物體表面結構對所投射的光信号造成的影響，來反推物體的位置和深度等相關信息，進而複原立體3D結構。

至于信息采集和實現複原中使用的結構散斑、結構編碼和相移條紋等不同的技術，主要差别在于點陣光源的排布和初始光信息記錄方式，這裡不過多讨論。

Lumigrids LED點陣燈

就像上圖的LED燈光網陣一樣，我們可以輕松通過光點和格紋産生的變化反推出地面的狀态，比如路邊路沿石的突起，就導緻了邊緣部分光網的扭曲，不過3D結構光将這一切都換成了肉眼不可見的紅外線來實現，其帶來的好處除了深度信息精準而外，還有就是暗光環境下的無壓力使用了。

至于TOF 3D人臉識别相對更冷門一些，現在達到支付級别的也就vivo一家。TOF雖然也是主動紅外光源的方案，但并不是結構性地記錄物體表面對光源點陣的改變，而是通過記錄發出的激光和反射後重接受激光之間的相位差計算出時間差，再結光源速度來判别距離以及深度信息，當數量龐大的點群将深度坐标連接起來并進行優化後，就是一個完整的3D模型了。

通過對比我們可以看到3D方案和2D方案之間的差距是巨大的，廠商們之所以能在低端機上普及2D的人臉識别，主要就是因為已經有大量整合型的硬件及技術方案可供選擇，成本足夠低廉，給用戶添加這樣一項便于宣傳的新特性絕對是利于宣傳的。

從用戶的角度來說，添加前置攝像頭簡單的2D人臉識别算是無可厚非，确實有用戶喜歡其帶來的便捷解鎖體驗，不過如果在宣傳上妄圖把二者混為一談，那固然能騙到一些不太關注數碼方面信息的用戶，但隻有讓用戶真正了解面部識别和Face ID的區别，他們才能結合自身條件判斷是否需要使用相關功能，渾水摸魚，絕對是漠視用戶信息安全性的表現。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!