尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
咱們開門見山，直接先說應該明確的結論，相信大家在經過整一年多的宣傳、使用、體驗分享等內容的狂轟濫炸之後，大部分的用戶其實都是知道普通的臉部識別並不等於Face ID，當然，這里Face ID泛指真正使用3D人臉建模來完成識別、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人臉識別技術解鎖的手機並不多，採用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，因為其做到3D級別的人臉識別其實靠的是那顆專門的TOF 3D錄影頭，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「標配」的普通人臉識別了，它們通常通過前錄影頭來捕捉用戶臉部圖像，之後經過抽象處理等步驟之後提取出相關的各類人臉特徵，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徵，也包括利用各類代數、統計、表征等方法提取出的特徵分量，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。
普通前置錄影頭人臉解鎖
不過因為所采集的信息本身來源於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層面的人臉識別也還是有著明顯差距的。
3D人臉識別的優勢就在於深度信息的補充，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紅外錄影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號造成的影響，來反推物體的位置和深度等相關信息，進而復原立體3D結構。
至於信息采集和做到復原中使用的結構散斑、結構編碼和相移條紋等不同的技術，主要差別在於點陣光源的排布和初始光信息記錄方式，這里不過多討論。
Lumigrids LED點陣燈
就像上圖的LED燈光網陣一樣，我們可以輕鬆通過光點和格紋產生的變化反推出地面的狀態，比如路邊路沿石的突起，就導致了邊緣部分光網的扭曲，不過3D結構光將這一切都換成了肉眼不可見的紅外線來做到，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。
至於TOF 3D人臉識別相對更冷門一些，現在達到支付級別的也就vivo一家。TOF雖然也是主動紅外光源的方案，但並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雷射和反射後重接受雷射之間的相位差計算出時間差，再結光源速度來判別距離以及深度信息，當數量龐大的點群將深度坐標連接起來並進行優化後，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的人臉識別，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於宣傳的新特性絕對是利於宣傳的。
從用戶的角度來說，添加前置錄影頭簡單的2D人臉識別算是無可厚非，確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位方面信息的用戶，但只有讓用戶真正了解臉部識別和Face ID的區別，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。