## 简介

2D 人脸识别只看平面纹理，打印照片与屏幕回放就足以构成一次有效的呈现攻击。深度相机补上第三维之后，判断依据从「像不像一张脸」变成「这张脸在空间里长什么样」。本文梳理深度人脸识别的技术链条：结构光如何反解毫米级面部深度、活体判定为什么要纹理与几何与红外反射三因子联合、深度误差为什么随距离平方增长，以及当肤色、逆光、镜片反光拉低深度质量时工程上如何兜底。

## 一、二维人脸识别的边界

2D 系统输入的是一张 RGB 图像，模型依据的信息是五官相对位置、皮肤纹理走向与明暗分布，全部压在二维平面上。因此任何能复现这张平面的东西都可能被接受：打印照片成本极低，屏幕回放甚至可以带动作，这两类手段在业内统称为呈现攻击。

在 2D 框架内加线索是通行做法，例如摩尔纹检测、屏幕反光检测、纸张边缘检测，或者要求用户配合眨眼、转头。这些都是经验性特征，攻击方调整纸张、角度与屏幕亮度即可逐步绕过。攻防处于同一维度，防守方很难取得稳定优势。

出路是引入第三维：不判断图像像不像脸，而是判断面前这个物体在三维空间中的形状是否是脸。

## 二、三条三维成像路线

结构光（Structured Light）主动投出编码图案。近红外 VCSEL 出光，衍射光学元件（DOE）把光束复制成散斑或编码点阵，图案落在面部之后发生形变，由带窄带滤光片的红外相机接收，通过图案匹配解算深度。它属于主动三角测量。

双目立体视觉不主动发光，靠左右相机之间的基线（baseline）与视差（parallax）恢复深度，前提是两幅图像之间存在可靠对应点，因此低纹理区域通常需要额外的结构投影补足特征。

TOF（Time of Flight）直接测量光往返时间，z = c·Δt/2，量程更远，缺点是同等体积与功耗条件下，近距离的深度分辨通常不及三角测量方案；间接 TOF 方案借助 SPAD 之类的单光子器件统计光子到达时间分布。

路线选择取决于作用距离、精度预算与现场光照。人脸识别属于典型的近距离、可控光照场景，因此主动三角测量方案用得更多。

## 三、结构光如何得到毫米级面部深度

散斑或编码图案与预先标定的参考图案做匹配，得到逐像素视差，再结合标定得到的内参、外参与基线，把视差换算为深度。深度分辨能力由作用距离、焦距与基线共同决定，三者配合得当，近距离上毫米级的深度分辨是可达的。

人脸恰好不是平面：鼻梁凸起、眼窝凹陷、颧骨曲面、下巴轮廓与下颌线在深度图上形成连续起伏，这些起伏的尺度与相互位置关系构成一个立体签名，要求攻击方在正确的空间位置上复现正确的曲面，难度远高于复现一张平面图像。

照片在深度图上近似一张平纸，除了纸张平整度与摆放倾角，几乎没有有效起伏。屏幕稍复杂一些，可能出现轻微弧度或边框台阶，但这类结构同样是平面的，与面部曲面的连续性对不上。二维图像上几乎一致的两张脸，在深度图上差别是结构性的。

![](https://developer.qcloudimg.com/http-save/yehe-12752155/93fee63171c7b87c8a1ee903612292b3.png)

## 四、活体判定的三因子与联合决策

纹理因子考察皮肤本身的成像特性：真皮层散射带来的柔和过渡、镜面高光的位置与形状，以及纸张纤维、打印网点、屏幕像素栅格在图像上留下的痕迹。

几何因子考察深度曲面的连续性。真实人脸在鼻翼、眼睑、唇部有连续且符合解剖约束的过渡；弯折的照片或硬质平面在这些位置会出现突变、断层或整片缺失。

红外反射因子考察近红外波段的响应差异。皮肤、打印纸、屏幕玻璃与树脂面具的反射特性并不相同，屏幕还会自发光，玻璃会定向反射，这些差异在红外通道上直接可见。

三个因子都有各自的失效条件：逆光时纹理线索变弱，戴眼镜时深度丢点，遮挡时几何不完整。因此工程上采用联合决策，让三路结论互相校验，避免任何单一因子单独给出判定。

## 五、深度误差随距离平方增长

三角测量型方案（结构光与双目）有一个共同的定性规律：深度误差近似正比于距离的平方，反比于焦距与基线的乘积，写作 σ_z ∝ z²/(f·b)。作用距离翻一倍，深度误差大致变成原来的四倍。

因此「能测到」与「测得准」是两件事。同一台相机在两米处或许仍能输出深度值，但毫米级深度分辨已经无法保证。人脸识别把作用距离锁在近距，大致 0.3–1 m 这一量级，换的就是平方项带来的精度。刷脸支付终端、门禁闸机这类产品形态，表面上是交互设计的结果，背后是误差预算在约束。

## 六、现场条件如何影响深度质量

深色皮肤与深色发色在近红外波段的反射率偏低，回波减弱，深度噪声抬高。强环境光抬高噪声底，含近红外成分的阳光尤其明显，散斑匹配难度上升。镜片反光与折射会造成眼镜区域的深度丢失，严重时给出错误深度值。口罩、刘海、帽子等遮挡直接压缩可用面部区域。说话、眨眼与头部微动带来运动模糊和帧间不一致。

这些都属于日常工况而非异常状态。系统只在理想条件下有效，就无法支撑产品化。

## 七、工程兜底：把不可信显式化

自适应曝光与增益按回波强度调整积分时间，避免欠曝与过曝。多帧融合压低随机噪声；空域补点只在邻域存在高置信度点时做保守插值，不用无依据的推测填洞。反射率归一化将回波强度差异尽量从深度判断中剥离，避免深色皮肤区域的深度质量被系统性低估。逐点输出置信度或不确定度，让下游知道哪些点可用、哪些点只能参考。多因子投票把几何、纹理与红外反射的结论合并，单点异常不至于改变判定结果。

这些手段的方向一致：不是把弱信号放大成强信号，那只会制造虚假的深度，而是让系统明确自身边界，并在不可信时按策略降级。

## 八、攻击成本曲线与安全等级

打印照片的成本极低，普通打印机即可完成。要同时骗过深度与近红外通道，需按目标人脸定制精密 3D 面具：三维扫描建模、成型加工、再处理表面材质与近红外反射特性，使其在两个通道上均接近皮肤。每一步都依赖专业设备与反复调试，成本比一张照片高出若干量级，而且针对某个人定制的面具基本无法复用到另一个人。屏幕回放介于两者之间，代价高于打印照片，效果却未必稳定。

支付级安全基本要求三维人脸加活体多因子，不接受单一二维通道的结论。它的门槛不在算法调参，而在前端是否拿到第三维，这一条决定了后续判据的可用空间。

## 九、典型落地形态与选型提醒

手机 3D 解锁、刷脸支付终端、金融远程开户核验、门禁闸机、政务实名核验，是深度人脸方案目前比较集中的形态。它们的共同点是作用距离近、用户配合度高，且对接身份与资金类业务，愿意为深度相机付出体积、功耗与成本。

反过来，作用距离远、人群密集的场景，例如开放通道的人流统计，在选用三维方案前应先核算误差预算，不要默认三维一定更好，那往往只是把精度问题推到现场才暴露。

## 阅读收获

深度相机对人脸识别的意义，不是让识别更准，而是让判断依据从平面纹理扩展到三维形状，照片与屏幕回放因此在结构上失效。活体判定要靠纹理、几何与红外反射三因子联合，单一因子在逆光、眼镜、遮挡等条件下都会失效。深度误差随距离平方增长，作用距离必须锁在近距，这是产品形态的底层约束。深色皮肤、强环境光、镜片反光会拉低深度质量，兜底思路是把不可信显式化，而不是把弱信号修成假信号。



2D 人脸识别只看平面纹理，打印照片与屏幕回放就足以构成一次有效的呈现攻击。深度相机补上第三维之后，判断依据从「像不像一张脸」变成「这张脸在空间里长什么样」。本文梳理深度人脸识别的技术链条：结构光如何反解毫米级面部深度、活体判定为什么要纹理与几何与红外反射三因子联合、深度误差为什么随距离平方增长，以及当肤色、逆光、镜片反光拉低深度质量时工程上如何兜底。

3D人脸识别为什么要用深度相机

人工智能

硬件

算法

深度人脸识别通过结构光、双目或TOF获取毫米级三维面部数据，使照片和屏幕回放从结构上失效。活体判定依赖纹理、几何与红外反射三因子联合决策，以应对逆光、遮挡等失效场景。深度误差随距离平方增长，须将作用距离控制在0.3-1米。针对深色皮肤、强光、镜片反光等干扰，工程上通过自适应曝光、多帧融合及置信度输出显式化不可信区域，保障支付级安全。

人脸识别

往返时间

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

深度人脸识别通过结构光、双目或TOF获取毫米级三维面部数据，使照片和屏幕回放从结构上失效。活体判定依赖纹理、几何与红外反射三因子联合决策，以应对逆光、遮挡等失效场景。深度误差随距离平方增长，须将作用距离控制在0.3-1米。针对深色皮肤、强光、镜片反光等干扰，工程上通过自适应曝光、多帧融合及置信度输出显式化不可信区域，保...

3D人脸识别为什么要用深度相机-腾讯云开发者社区-腾讯云

3D人脸识别为什么要用深度相机

3D人脸识别为什么要用深度相机

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐