第1章：人脸识别光学系统概述
大家好，我是老张。做光学设计十几年了，今天咱们聊聊人脸识别光学系统。说实话，这个领域我踩过的坑不少，但积累的经验也挺实在。你想想看，一个门禁系统，如果光线一变就认不出人，那还叫智能吗？所以，光学系统是整个识别链路的起点，也是关键。
1.1 系统组成：照明、成像、传感器
一套完整的人脸识别光学系统，说白了就三大部分：照明、成像、传感器。这三者缺一不可，配合不好就容易出问题。
1.1.1 照明系统
照明不是随便装个灯就行。我见过不少项目，为了省成本用普通LED，结果一到晚上人脸全是黑的。嗯，这里要注意：
- 波长选择：常用850nm或940nm近红外光。850nm效率高，但会有红爆现象；940nm人眼不可见，更隐蔽，但效率稍低。
- 均匀性：照明要覆盖整个识别区域，中心到边缘亮度差不超过30%。
- 防过曝：距离太近时，人脸容易过曝。我建议加自动功率调节。
1.1.2 成像系统
成像系统就是镜头+滤光片。这里有个关键点：
- 镜头焦距：根据识别距离选。0.3-1米用广角，1-3米用标准焦段。
- 光圈：F2.0-F2.8比较常见。光圈太大景深浅，太小进光量不足。
- 滤光片：必须加IR-CUT或带通滤光片，滤掉可见光干扰。
1.1.3 传感器
传感器是光电转换的核心。目前主流是CMOS，但要注意：
- 分辨率：至少200万像素，推荐500万以上。
- 像元尺寸：2.8μm-5μm。像元越大，感光能力越强，但分辨率会下降。
- 帧率：30fps以上，保证动态人脸捕捉不卡顿。
1.2 核心指标：分辨率、景深、畸变
这三个指标，是衡量光学系统好坏的关键。我一个个说。
1.2.1 分辨率
分辨率决定了能看清多小的人脸细节。人脸识别一般要求：
- 人脸像素数：至少80×80像素，推荐120×120以上。
- MTF：调制传递函数，在奈奎斯特频率处应大于0.3。
举个例子：一个500万像素的传感器，配合合适的镜头，在1米距离内，人脸区域能占到200×200像素，识别率就很高了。
1.2.2 景深
景深就是人脸前后移动还能清晰成像的范围。门禁场景下，人不可能每次都站在同一位置。所以：
- 景深要求：至少±15cm，推荐±30cm。
- 影响因素：光圈越小景深越大，但进光量会减少。
1.2.3 畸变
畸变就是画面变形。人脸识别对畸变很敏感，因为算法依赖特征点定位。
- TV畸变：应小于1%，最好控制在0.5%以内。
- 校正方式：光学设计时用非球面镜片校正，或者后期算法校正。
我记得有个项目，用了廉价镜头，畸变达到3%，结果人脸特征点偏移，识别率直接掉了10%。从那以后，我对畸变要求特别严。
1.3 典型应用场景：门禁、支付、安防
不同场景对光学系统的要求差别很大。我分别说说。
1.3.1 门禁场景
- 识别距离：0.3-1米
- 环境光：室内外都有，需要强补光
- 速度要求：1秒内完成识别
- 典型配置：广角镜头+850nm红外补光+200万像素传感器
1.3.2 支付场景
- 识别距离：0.3-0.5米
- 环境光：室内为主，光线可控
- 安全性：需要活体检测，防止照片攻击
- 典型配置：标准镜头+940nm红外+500万像素传感器+3D结构光
1.3.3 安防场景
- 识别距离：1-5米，甚至更远
- 环境光：室外复杂，白天黑夜都有
- 覆盖范围：需要大视场角
- 典型配置：长焦镜头+大功率红外补光+500万像素传感器+宽动态
安防场景最头疼的是逆光。我做过一个项目，摄像头对着门口，白天人脸全是黑的。后来加了宽动态传感器，才把问题解决。
1.4 知识体系总览
下面这张图，是我画的人脸识别光学系统知识框架。你可以看到，照明、成像、传感器是硬件基础，分辨率、景深、畸变是性能指标，而门禁、支付、安防是落地场景。三者环环相扣。
好了，这一章的内容就到这里。光学系统设计是个细致活，每个参数都影响最终效果。下一章咱们会深入讲照明系统的设计细节，到时候再聊。
公众号:蓝海资料掘金营，微信deep3321