细细看来，从光学指纹到电容指纹，从各种方案的支撑到小面阵的缩减再至屏下指纹、屏内指纹，这是整个指纹识别技术更新的方向。2017年iPhone X发布的Face ID把生物识别在手机端的应用提高到一个新高度，出现了人脸识别算法。不变的是，人脸识别在智能手机的出现，它最重要的一个前提就是自学算法对传统人脸识别算法的支撑。

 

　　指纹传感器也被堪称为生物识别的马车之一，这几年指纹识别传感器在智能手机端取得了长足的发展。指纹识别传感器在2015年iPhone 5S发布的时候，短短三年时间，智能手机指纹识别率达到86%，93%的用户使用指纹识别取代密码支付，强需求推动了产业的发展。

 

　　图像传感器可以说是现在所用到的环境感知传感器中用的最普及的传感器，2017年CIS出货量达到52亿颗，从传统的相机、智能机包括很多的应用场景，海关、监控、电视机、家庭玩具都搭载了图像传感器，在图像传感器普及利好的情况下，对于图像传感器所在的生物识别技术进行了很好的支撑。
 

 

　　在黄昊看来，3D Sensor对于手机端图像传感器的应用提供无比丰富的想象空间，那么3D Sensor在用户体验的时候需要什么呢？黄昊表示，首先需要良好的用户体验，而这必须要求有更好的场景适应性，简单点说，图像传感器对于场景的适应性包括弱光、强光等都是未来3D Sensor应用支撑的方向。

 

　　黄昊认为未来的智能手机3D-TOF有几个重要的指标：一是未来做到智能手机端的3D-TOF，一定浓缩到ID堆叠所需要的1/4英寸的镜头范围内。二是在这样的测算情况下，要导入QVGA的分辨率，才能支撑现阶段以及人脸识别、生物识别的需求，同时推算出来，整个pixel的大小要达到10um*10umSPAD的大小。未来整个3D-TOF功耗解决的情况下，要达到200帧的功耗。同时，调制的对比度达到40%以上，探测深度精度在现阶段要满足与iPhone X结构光统一标准1.5米内0.5%的探测精度。