人脸活体检测数据

从识别精度出发，3D人脸活体检测远胜于2D人脸活体检测，因为3D图像的深度通道可以获取2D图像中没有的距离信息，对照片欺骗等欺骗方式具有更好的鉴别能力。目前，支付宝及部分银行已经开始商用基于3D结构光的人脸活体检测技术，但是3D设备成本较高，目前除了少数高端手机机型及专用3D设备，大多数电子设备的摄像头都没有配备3D模组。因此，2D人脸活体检测技术精度仍有巨大的实用价值。

基于2D人脸的活体检测算法精度虽然不及3D，但是可以通过多种人脸行为组合的方式来提高识别精度。例如某银行的远程身份认证系统要求人连续做出眨眼、转头、抬头低头等动作来确认真人身份，这种动作组合的方式可以识别照片欺骗等欺骗行为（因为照片不会做动作）。从精度评估来看，假设算法对人脸动作的误识别率是5%，那么连续做两个动作都被误识别的概率就会降为5%*5%=0.0025，连续三个动作都被误识别精度会降为0.000125。通过动作次数的增加，误识别率会指数级降低（不过会影响用户体验），同样可以达到商用级精度。

【1066人活体检测数据】是面向目前的2D人脸活体检测算法的。该数据集采集了黄种人、黑人和白人共1066人的活体检测数据，涵盖了活体检测算法中要求的绝大多数数据形式，包括原始人脸动作（真实人脸），手机、pad翻拍人脸动作（人脸动作对抗样本），人脸照片欺骗及面具欺骗（照片对抗样本）以及唇语等。每个被采集者总共采集435段原始视频+63张图像数据。
数据规模：1,066人
人员分布：黄种人644人、白种人221人、黑种人201人，男544人，女522人，10_{18岁88人，19}45岁808人，46~60岁 137人，60岁以上33人
采集环境：室内785人，室外281人
采集多样性：不同姿态、不同表情、不同光照、不同场景、不同时段、不同距离
采集设备：苹果手机、安卓手机、iPad
采集时间：白天988人、夜晚78人（室外）
图像参数：视频格式为.mov，图像格式为.JPG
准确率：按照采集动作准确度为准，精度超过97%；动作命名准确率、唇语命名准确率97%以上
数据获取：https://www.datatang.com/dataset/info/image/971