而一旦擁有人臉的3D建模，這個安全漏洞就被補上了。而且，使用高精度人臉3D建模，人臉識別的準確度也可以大大提高。iPhone 8如果使用刷臉解鎖，其用戶體驗比起指紋認證更方便，更快速，同時也會引起一大波手機廠商跟風。

深度感知除了用在前置攝像頭的位置用于刷臉認證之外，還可以用在后置攝像頭，用于AR／VR應用。AR／VR應用中往往需要對周圍環(huán)境和手勢做3D建模，因此也需要深度感知。結(jié)合前不久蘋果剛在WWDC發(fā)布的ARKit，在未來的iPhone使用后置深度感知也不無可能。

深度傳感主流技術(shù)

目前，有三種主流深度傳感技術(shù)：結(jié)構(gòu)光，ToF以及攝像頭陣列。結(jié)構(gòu)光技術(shù)精度高，但是對于使用環(huán)境有較多限制，最有可能用在前置攝像頭做高精度3D人臉建模，即用于刷臉；ToF精度一般，對于環(huán)境光容忍度較好，適用于中等大小空間的建模以及動態(tài)姿勢／手勢建模；攝像頭陣列精度較差，但可以用于大尺度寬闊空間3D建模。

結(jié)構(gòu)光技術(shù)

結(jié)構(gòu)光技術(shù)常使用激光作為光源，并用光源把設計好的圖樣投影到目標上。根據(jù)目標深度變化，反射光的圖樣會發(fā)生變化，通過比較入射參考圖樣和反射圖樣就能估計深度。圖樣分為時變圖樣和形變圖樣，時變圖樣在不同時間投射不同的圖樣并掃描整個空間，形變圖樣則一次投射圖樣到整個空間，而每個地方投射的圖樣略有不同并計算深度分布。時變圖樣計算較簡單，但掃描時間長，而形變圖樣計算較復雜，但是可以一次計算整個空間的深度分布。

ToF

ToF系統(tǒng)中，光源發(fā)射一束光，傳感器檢測到反射光并記錄光從ToF傳感器入射至物體到從物體反射回ToF傳感器的時間間隔，即光的飛行時間。通過將非常時間乘以光速就可以知道目標物體在空間中的深度信息。ToF傳感器的光學系統(tǒng)與傳統(tǒng)RGB攝像頭很接近，只是ToF傳感器輸出的是深度信息而非RGB攝像頭輸出的光強。

基于脈沖的ToF傳感器系統(tǒng)

移動設備中常用的計算飛行時間的方法是通過調(diào)制光源（如周期性地改變光源的強度），并且檢測反射光相當于入射光的調(diào)制相位變化。相位變化測量目前已經(jīng)有成熟的混頻技術(shù)可以實現(xiàn)。

基于調(diào)制光的ToF傳感器。激光光源以方波形式調(diào)制，通過將反射光與入射參考光做混頻可以估計飛行時間。

基于調(diào)制的ToF有一個主要問題，即距離混疊。當入射光和反射光調(diào)制相位差為φ時，我們可以估計飛行距離d=(c/4πf)φ, 其中c是光速，f是光源調(diào)制頻率。然而，相位是一個周期函數(shù)。一個典型的φ-d圖如下圖所示。我們可以看到φ-d僅僅在一小段范圍內(nèi)單調(diào)。因此如果探測到的相位是60度，實際的相位除了可能等于60度以外還可能等于420度（60+360），780度（60+360*2），等等。故此，d也不能完全確定，除非d的距離范圍事先給定并且落在φ-d的一段單調(diào)區(qū)間內(nèi)，因此基于調(diào)制光的ToF測量范圍有限。此外，基于調(diào)制光的ToF的精度和測量范圍還是一對矛盾。想要深度測量范圍大，則需要較低的調(diào)制頻率；如果想要深度測量精度高，則需要較高的調(diào)制頻率。這就進一步限制了基于調(diào)制光ToF的性能。一種流行的提高測量范圍的技術(shù)是先后使用兩個不同的調(diào)制頻率并將兩次結(jié)果結(jié)合起來來估計深度，不過這會增加ToF測量的延遲。另外，LED光源所支持的調(diào)制頻率上限較低，因此深度測量精度也較激光要差。

相位-距離圖，相位-距離關(guān)系僅僅在一小段距離里是單調(diào)的，因此會造成混疊。

攝像頭陣列

攝像頭陣列通常使用在不同位置的多個攝像頭來拍攝多幀圖像，并且根據(jù)多幀圖像間的細微差別來估計深度。在CV領域，專業(yè)術(shù)語叫做“立體視覺”。目前，最簡單但也是用得最多的攝像頭陣列就是雙攝像頭，其中兩個攝像頭的位置稍有距離以模仿人眼?？臻g中每一個點在雙攝像頭拍攝到的兩幀圖像上都略有區(qū)別，根據(jù)幾何學我們可以計算該點的深度。

攝像頭陣列部署方便，成本也很低，但是主要難點在于如何找到同一個點在多幀圖像上的位置（專業(yè)術(shù)語叫做“匹配點”）。目前基于深度學習的算法可以幫助找匹配點，但是需要的計算量非常大，在移動設備上會消耗許多電池電量。

技術(shù)比較

總體性能而言，深度感知最關(guān)鍵的性能是精確性。在這方面，結(jié)構(gòu)光最強，而攝像頭陣列通常最弱。

另一個重要指標是深度測量范圍。結(jié)構(gòu)光的測量范圍最小，而ToF的測量范圍則取決于發(fā)射光的強度以及光源類型。攝像頭陣列的測量范圍取決于攝像頭間的距離。對于通常的攝像頭陣列，其測量范圍通常在10m以上，也就是說沒法測量距離很近物體的深度。

此外，還有深度圖的分辨率指標。結(jié)構(gòu)光分辨率比ToF更好，因為結(jié)構(gòu)光的發(fā)射圖樣可以被光學元件精確控制。理論上說，攝像頭陣列也有很高的分辨率，但是這基于每一個點都能被完美匹配的基礎上。在通常無法完美匹配的情況下，攝像頭陣列的分辨率會下降。

最后，我們還要考慮環(huán)境亮度。結(jié)構(gòu)光需要工作在較暗的環(huán)境中。ToF傳感器對于環(huán)境亮度容忍度較好，而且隨著背景消除技術(shù)的發(fā)展ToF能工作的環(huán)境亮度范圍正在越來越廣。攝像頭陣列只能工作在較亮的環(huán)境下。在黑暗的環(huán)境下，攝像頭陣列拍攝的圖像質(zhì)量變差，因此匹配點搜索變得更加困難，深度感知算法性能也會變得更差。

中國半導體廠商的機會

深度感知解決方案包括多個部件，如激光光源、光學元件以及傳感器芯片等，另外模組也有機會。中國大陸半導體廠商總體在深度傳感產(chǎn)業(yè)鏈中參與度還不高，在光學元件方面有馭光等初創(chuàng)公司在開發(fā)衍射元件，另外在模組方面，奧比中光則是深度感知方面較為領先。隨著深度傳感器市場逐漸打開以及半導體行業(yè)往中國大陸移動，可望在大陸在整體產(chǎn)業(yè)鏈方面能繼續(xù)發(fā)力。