【活体检测】人脸活体检测、红外人脸数据集整理

此篇博客主要整理人脸活体检测的数据集。

目前人脸活体攻击的方式主要有：照片打印、视频回放攻击、3D人脸面具等。因此数据集也是根据这些攻击方式制作的。

一共整理了11个活体检测的数据集。此外还整理了6个红外人脸数据集。

活体检测数据集

红外数据：

IDIAP：msspoof: Multispectral-Spoof Database

1、NUAA

http://parnec.nuaa.edu.cn/xtan/data/nuaaimposterdb.html

打印照片攻击，15个人，三次拍摄，每次地点照明各不相同。共12614张图像。

共有5105个真图像和7509个攻击图像，训练3491张，测试9123张

索引图像的文件名格式为：ID_galss_pos_session_picNo，

例如0010_01_05_03_115.jpg为：图片0010编号，没戴眼镜，关窗开灯，03会议室，第115图

ID：0001~0016图片编号

眼镜：00〜01

• 00：戴眼镜
• 01：没戴眼镜

Pos：01~08图像的位置和光照条件

• 01：上下旋转
• 02：上下扭曲
• 03：左右旋转
• 04：左右扭曲
• 05：关闭窗打开灯
• 07：开窗开灯
• 08：开窗关灯
• 08：静止

会议：01〜03

picNo：图片编号

我们还提供左眼（x，y），右眼（x，y）和鼻子（x，y）的坐标，所有这些都由面部检测到。

大小：300M左右（原图）、裁剪后70M左右

2、IDIAP：msspoof: Multispectral-Spoof Database

https://www.idiap.ch/dataset/msspoof

自然光和近红外拍色，分辨率1280x1024，在NIR中记录图像时，相机上安装了800nm的近红外滤光片。

紫外和近红外图像，包含了21个人体。对于每个人，在7种情境（1走廊6办公室）下，各5张VIS，5张NIR，共（5+5）*7=70张。

对每个人，各选3张VIS和3张NIR进行黑/白打印，并在3种光照条件下各进行4次攻击，共6*2*4*3=144张。

大小为1.9G

注意！需要签名申请

3、IDIAP：The Replay-Attack Database

https://www.idiap.ch/dataset/replayattack

1300个图片和视频攻击，50个人，不同光照条件下

大小3G

注意！需要签名申请

4、IDIAP：Replay-Mobile

https://www.idiap.ch/dataset/replay-mobile

共1190个照片和视频攻击，40个人，5种不同光照条件。

拍摄设备： an iPad Mini2 (running iOS) and a LG-G4 smartphone (running Android)

720x1280,25fps,大小15G

注意！需要签名申请

5、IDIAP：3DMAD

http://www.idiap.ch/dataset/3dmad/

3D mask数据集，共76500帧，17个人，

包含深度图 (640x480 pixels – 1x11 bits)、RGB图(640x480 pixels – 3x8 bits)、手工标记眼睛位置

大小：39G

注意！需要签名申请

6、CASIA FASD

http://www.cbsr.ia.ac.cn/china/index CH.asp

http://www.cbsr.ia.ac.cn/china/Databases CH.asp

http://www.cbsr.ia.ac.cn/english/FaceAntiSpoofDatabases.asp

目前链接已失效

50个人，3种情境

7、MSU MFSD

http://biometrics.cse.msu.edu/Publications/Databases/MSUMobileFaceSpoofing/

280个图片和视频攻击，35个人，

注意！需要签名申请

8、MSU USSAD

Unconstrained Smartphone Spoof Attack Database

http://biometrics.cse.msu.edu/Publications/Databases/MSU_USSA/

针对智能手机

9000张图像：1000张真的，8000张攻击，共1000个人

注意！需要签名申请

9、The Oulu-NPU face anti-spoofing database

https://sites.google.com/site/oulunpudatabase/

共4950个视频，6种手机机型，3种光照环境和背景，两种打印方式和两种回放方式，共55个人

注意！需要签名申请

10、Spoof in the Wild (SiW) Face Anti-spoofing Database

http://cvlab.cse.msu.edu/spoof-in-the-wild-siw-face-anti-spoofing-database.html

165个人，对于每个人，有8个真的，20个攻击，共4478个视频，4种情境（距离、姿势、光照、表情）

注意！需要签名申请

11、3D mask数据集

A 3D Mask Face Anti-spoofing Database with Real World Variations

https://www.cv-foundation.org/openaccess/content_cvpr_2016_workshops/w28/papers/Liu_A_3D_Mask_CVPR_2016_paper.pdf

12、 论文截图

图1出自论文Face Spoof Detection with Image Distortion Analysis

图2出自论文OULU-NPU: A mobile face presentation attack database with real-world variations

其他红外人脸数据集

1、 CASIA NIR Database

http://www.cbsr.ia.ac.cn/english/NIR_face Databases.asp

链接失效

197人，共3940张图片，都是近红外人脸图，大小为640x480，

注意！需要签名申请

2、HFB Face Database

http://www.cbsr.ia.ac.cn/english/HFB Databases.asp

链接失效

heterogeneous face biometrics (HFB)异质面部生物识别

所谓异质，是指不同类型的图像，主要是可见光下的彩色图/灰度图Visual (VIS)，近红外图near infrared (NIR)，热感红外图 thermal infrared (TIR)，3D深度图。

普通的人脸识别一般是用同种类型的图像做比对，而异质面部生物识别，卤煮理解就是给你一张可见光面部图像，一张近红外面部图像，依然可以比对出是否视同一张脸。

这个数据集包含 可见光图像visual (VIS), 近红外图像 near infrared (NIR) 和3D人脸图像 three-dimensional (3D) face images。

100人（57男，43女），每人4VIS（640x480）+4NIR（640x480）+2or1 3-Dfaces

注意！需要签名申请

3、 CASIA NIR-VIS 2.0 Database

http://www.cbsr.ia.ac.cn/english/NIR-VIS-2.0-Database.html

链接失效

这个可以说是2的加强版，the NIR-VIS 2.0 database consists of 725 subjects in total. There are 1-22 VIS and 5-50 NIR face images per subject. Figure 1 shows some face images of a subject in the database.

注意！需要签名申请

4、PolyU NIR face DataBase香港理工大学近红外人脸数据集

http://www4.comp.polyu.edu.hk/~biometrics/polyudb_face.htm

收集了350人，每人大概100张近红外图片，包含不同的姿态，表情，时间，尺度等。

共计3500张图片，给出了每张图片的人脸框位置信息。

图片分辨率768*576

注意！需要签名申请

5、IIT Delhi Near IR Face Database 黑暗场景下近红外人脸数据集

http://www4.comp.polyu.edu.hk/~csajaykr/IITD/FaceIR.htm

这是IIT Delhi, New Delhi, India机构在2007年采集的黑暗场景下近红外图像，全部是IIT Delhi的学生或者工作人员，基本都是印度人。

采集了17到50岁之间的人，共115人，共计574张图片，图片分辨率为768 x 576，每人有2~6张图片。

注意！需要签名申请

6、USTC-NVIE Database[(natural visible and infrared facial expression database)]

http://nvie.ustc.edu.cn/

http://www.face-rec.org/databases/

由中国科学技术大学安徽省计算与通信软件重点实验室建成并发布，是目前世界较为全面的人脸表情数据库，其中包含大约100名被试三种光照条件下六种表情的可见图像以及长波红外图像，另外表情又分为自发表情与人为表情，人为表情又分为戴眼镜与不戴眼镜两种情况。为进行（自发+人为）表情识别与情绪分析推理实验提供了充足的实验样本与数据