3D人脸识别硬件技术主要分为三类

　　目前的3D人脸识别硬件技术主要分为三类：

　　(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深度信息，进而复原整个三维空间;

　　(2)TOF(Time Of Flight，飞行时间)：TOF系统是一种光雷达系统，可从发射极向对象发射光脉冲，接收器则可通过计算光脉冲从发射器到对象，再以像素格式返回到接收器的运行时间来确定被测量对象的距离;

　　(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人脸识别技术算法

　　目前三维人脸识别算法有如下几种：

　　(1)基于图像特征的方法：采取从3D结构中分离出姿态的算法。首先匹配人脸整体的尺寸轮廓和三维空间方向;然后，在保持姿态固定的情况下，去做脸部不同特征点(这些特征点是人工的鉴别出来)的局部匹配;

　　(2)基于模型可变参数的方法：将通用人脸模型的3D变形和基于距离映射的矩阵迭代最小相结合，去恢复头部姿态和3D人脸。随着模型形变的关联关系的改变不断更新姿态参数，重复此过程直到小化尺度达到要求。基于模型可变参数的方法与基于图像特征的方法的区别在于：后者在人脸姿态每变化一次后，需要重新搜索特征点的坐标，而前者只需调整3D变形模型的参数;

　　(3)基于深度学习的算法：利用3D结构光设备采集景的彩色、红外、深度图片，获取的3D人脸训练数据，框架如图2所示。目前，受制于3D训练数据、成本、时间等问题，深度3D人脸识别算法还处在起步阶段。