3D双目2.8/4寸屏人脸识别门锁模块

人脸识别模组一般通过红外摄相头来进行识别和活体检测。
采用一个红外摄像头的人脸识别模块叫做2D人脸识别模块，采用两个红外摄像头的人脸识别模块叫做2.5D人脸识别模块或者3D人脸识别模块。

2.5D和3D人脸识别模块都是建立3D人脸模型并进行活体检测和识别。

双目视觉就不得不提视差图：双目立体视觉融合两只眼睛获得的图像并观察它们之间的差别，使我们可以获得明显的深度感，建立特征间的对应关系，将同一空间物理点在不同图像中的映像点对应起来，这个差别，我们称作视差(Disparity)图像。
对于视差的理解自己可以体验一下：将手指头放在离眼睛不同距离的位置，并轮换睁、闭左右眼，可以发现手指在不同距离的位置，视觉差也不同，且距离越近，视差越大。
那么提到视差图，就有深度图，深度图像也叫距离影像，是指将从图像采集器到场景中各点的距离（深度）值作为像素值的图像。获取方法有：激光雷达深度成像法、计算机立体视觉成像、坐标测量机法、莫尔条纹法、结构光法。
那么这里引申一下深度图与点云的区别，点云：当一束激光照射到物体表面时，所反射的激光会携带方位、距离等信息。若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精细，则能够得到大量的激光点，因而就可形成激光点云。
深度图像经过坐标转换可以计算为点云数据；有规则及必要信息的点云数据可以反算为深度图像。 两者在一定条件下是可以相互转化的。

性能参数

- 跟同行的双目红外模组相比，采用的摄像头和芯片更便宜。
原因:
同行的双目红外模组采用很复杂的算法来生成深度图，为了提高准确率使用高清摄像头和高性能芯片。
例如有一些双目红外模组采用了ov9282和RV1108。
但是我们采用的算法支持低成本摄像头，而且提供超高的安全性、准确性和便利性。
我们的算法的处理简单并提供超高准确率，所以芯片的性能需求也不高。
我们采用V3s来实现算法，并同时支持实时性和准确性。


- 我们的算法采用深度学习技术来达到超高识别准确率。
误识别率 < 0.0001%
识别准确率 > 99.9%
活体检测误识别率 < 0.00001%
识别速度 : <0.5秒