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
---------------------
作者:夏洛的网
来源:CSDN
原文:https://blog.csdn.net/liuxiao214/article/details/85214154
版权声明:本文为博主原创文章,转载请附上博文链接!