人脸是人体最重要的生物特征之一，而人脸研究主要集中在人脸识别方面。在美颜sdk相关技术中，人脸的表达模型分为2D人脸和3D人脸。2D人脸识别研究时间相对较长，方法流程也相对成熟，在多个领域都有使用，但由于2D信息存在深度数据丢失的局限性，无法完整的表达出真实人脸，所以在实际应用中往往存在着一些不足，例如识别准确率不高，活体检测准确率不高等。

3D人脸模型比2D人脸模型有更强的描述能力，能更好的表达出真实人脸，所以基于3D数据的人脸识别不管准确率还是话题检测准确率都有很大的提高。

2D人脸识别、3D人脸识别有什么区别？

一、2D人脸识别现状

2D人脸识别的优势是实现的算法相对较多，有一套比较成熟的流程，图像数据获取比较简单，只需一个普通摄像头即可，所以基于2D图像数据的人脸识别是目前的主流，特别是在美颜sdk中的诸多娱乐场景中。

2D人脸识别根据其技术发展可分为两大类：传统人脸识别、基于神经网络的人脸识别。

1、传统人脸识别

传统人脸识别主要采用数学方法，从图像矩阵中提取对应的特征，该特征一般为尺度不变特征，常用的算法有SURF、SIFT、HARRIS、GFTT等。

2、基于神经网络人脸识别

目前2D人脸识别算法在各个人脸识别挑战赛、在各种的开源数据集上测试的识别准确率已经达到了99.80%，识别准确率甚至可以跟人类相媲美。

二、3D人脸识别现状

目前，3D人脸识别在市场上根据使用摄像头成想原理主要分为：3D结构光、TOF、双目立体视觉。

1、3D结构光

3D结构光通过红外光投射器，将具有一定结构特征的光线投射到被拍摄物体上，再由专门的红外摄像头进行采集。主要利用三角形相似的原理进行计算，从而的出图像点上每个点的深度信息，最终得到三维数据。

2、TOF

TOF简答的说就是激光测距，照射光源一般采用方波脉冲调制，根据脉冲发射和接收的时间差来测算距离。采用TOF的方式获取3D数据主要在kinect上实现。

3、双目立体视觉

双目是基于时差原理并由多幅图像获取物体三维几何信息的方法。由双摄像机从不同角度同时获得被测物的两幅数字图像，并基于视差原理恢复出物体的三维几何信息，从而得出图像上每个点的深度信息、最终得到三维数据。

需要说明一点的是，由于3D人脸识别对于硬件的要求比较高、且运营成本也较高，因此在娱乐应用，像是美颜sdk上，用的并不多。

三、2D+人脸识别

但是为了追求更好的美颜效果，2D人脸识别还是做了一定的技术改进。由于3D人脸识别开发难度比较大，于是有2D+人脸识别，其处理方式比较简单，只是将3D的人脸数据分为2D的RGB数据+深度数据。处理的方法为先采用2D的人脸识别方法处理2D的RGB数据，然后再处理深度数据。这样的处理实现起来就相对较快。虽然2D+人脸识别相对2D人脸识别准确率提高不会很大，但是在活体检测的准确率上有一定提高。

以上，就是2D人脸识别与3D人脸识别的区别。人脸识别作为美颜sdk的基础技术之一，未来将发展的更为便捷化。如果你对美颜sdk接入有需求，欢迎咨询官方客服。

 声明：本文由美狐原创，未经允许禁止转载，谢谢合作。