目前，人脸识别已走进我们的生活，在机场安检、上班考勤、银行开户、网上支付等各个场合乎随处可见。现在主流的技术基于摄像头类型人脸识别有两种，基于2D人脸识别或基于3D人脸识别，这些都有实际商用的案例。但是由于3D图像还可以获取距离信息，对照片欺骗等具有更好的鉴别能力，所以3D人脸识别的精度和安全性远胜于2D，可以预测3D人脸识别将会成为未来主流的发展方向。
现阶段人工智能技术主要以监督学习为主，强烈依赖大规模高质量的数据。数据越多越准确，智能识别的精度越高。例如新研发一个智能视觉算法，需要数万张不等的标注图像训练，定期优化算法还需要大量的图像数据，3D人脸识别同样如此。而大规模高质量数据集构建，需要有相对统一或形成共识的规范进行指导。
但是，目前的人工智能智能视觉、人脸识别尤其是数据相关的规范或标准较少，虽然我国《信息技术生物特征样本质量第5部分：人脸图像数据》等标准已于2019年实施，但是仅涵盖人脸图像的基础内容（未涉及3D人脸数据）；3D人脸数据相关的国际规范或标准更是没有。所以2020年8月，国家标准委等五部委印发的《国家新一代人工智能标准体系建设指南》，明确提出围绕人脸识别等相关技术开展标准化工作，应该将未来主流的3D人脸识别及数据方向纳入工作范畴。
基于以上情况，数据堂联合中国科学院软件研究所人机交互技术与智能信息处理实验室、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、厦门大学、中国科学院计算技术研究所智能信息处理重点实验室等人工智能算法研究机构的高校、院所一起联合发布《3D人脸数据采集标注要求及方法》技术规范文件。
该文件旨在通过研究3D人脸数据采集标注的要求及方法，形成技术规范（或者行业标准），指导3D人脸识别的基础数据集构建，加快促进3D人脸识别的算法研究及应用。通过明确3D人脸识别的行业数据规范，提高数据集建设效率、降低数据集采集的成本、形成通用的数据集并加快数据要素的流通，从而整体上加快人脸识别是算法技术和应用创新，提升基于人脸识别的身份安检、金融支付等行业技术水平。