咱们开门见山，直接先说应该明确的结论，相信大家在经过整一年多的宣传、使用、体验分享等内容的狂轰滥炸之后，大部分的用户其实都是知道普通的面部识别并不等于Face ID，当然，这里Face ID泛指真正使用3D人脸建模来完成识别、比对过程的解锁技术。
Face ID初登场的iPhone X
不过，如今市场上使用真3D人脸识别技术解锁的手机并不多，采用3D结构光技术的主流机型有小米8透明探索版、OPPO Find X，华为Mate 20 Pro和荣耀Magic 2等，此外刚发布不久的vivo NEX双屏版是一个特殊的粒子，因为其实现3D级别的人脸识别其实靠的是那颗专门的TOF 3D摄像头，虽然原理有所差异，但其安全性同样靠谱，已经获得了支付宝人脸支付支持。
小米8透明探索版 3D结构光元件
与之相比的则是大部分厂商现在“标配”的普通人脸识别了，它们通常通过前摄像头来捕捉用户面部图像，之后经过抽象处理等步骤之后提取出相关的各类人脸特征，其中既有包含五官大小、相对位置、角度这些简单的几何图像特征，也包括利用各类代数、统计、表征等方法提取出的特征分量，这个根据各家的算法不一而同，但综合来说就是记录下图像中你之所以看起来是你的各类信息。
普通前置摄像头人脸解锁
不过因为所采集的信息本身来源于2D的平面图像，在立体维度方面的信息量存在天然的劣势，即使有的厂商添加了双摄和算法等加以弥补，但从根本上来说，其安全性与3D层面的人脸识别也还是有着明显差距的。
3D人脸识别的优势就在于深度信息的补充，以上说到的3D结构光和TOF两种方式原理还有所不同，其中3D结构光基本原理可以理解为：结构光投射特定的光信息到物体表面后，由IR红外摄像头采集物体表面所反射的光信息，根据分析物体表面结构对所投射的光信号造成的影响，来反推物体的位置和深度等相关信息，进而复原立体3D结构。
至于信息采集和实现复原中使用的结构散斑、结构编码和相移条纹等不同的技术，主要差别在于点阵光源的排布和初始光信息记录方式，这里不过多讨论。
Lumigrids LED点阵灯
就像上图的LED灯光网阵一样，我们可以轻松通过光点和格纹产生的变化反推出地面的状态，比如路边路沿石的突起，就导致了边缘部分光网的扭曲，不过3D结构光将这一切都换成了肉眼不可见的红外线来实现，其带来的好处除了深度信息精准而外，还有就是暗光环境下的无压力使用了。
至于TOF 3D人脸识别相对更冷门一些，现在达到支付级别的也就vivo一家。TOF虽然也是主动红外光源的方案，但并不是结构性地记录物体表面对光源点阵的改变，而是通过记录发出的激光和反射后重接受激光之间的相位差计算出时间差，再结光源速度来判别距离以及深度信息，当数量庞大的点群将深度坐标连接起来并进行优化后，就是一个完整的3D模型了。
通过对比我们可以看到3D方案和2D方案之间的差距是巨大的，厂商们之所以能在低端机上普及2D的人脸识别，主要就是因为已经有大量整合型的硬件及技术方案可供选择，成本足够低廉，给用户添加这样一项便于宣传的新特性绝对是利于宣传的。
从用户的角度来说，添加前置摄像头简单的2D人脸识别算是无可厚非，确实有用户喜欢其带来的便捷解锁体验，不过如果在宣传上妄图把二者混为一谈，那固然能骗到一些不太关注数码方面信息的用户，但只有让用户真正了解面部识别和Face ID的区别，他们才能结合自身条件判断是否需要使用相关功能，浑水摸鱼，绝对是漠视用户信息安全性的表现。
