【活體檢測】人臉活體檢測、紅外人臉資料集整理
此篇部落格主要整理人臉活體檢測的資料集。
目前人臉活體攻擊的方式主要有：照片列印、視訊回放攻擊、3D人臉面具等。因此資料集也是根據這些攻擊方式製作的。
一共整理了11個活體檢測的資料集。此外還整理了6個紅外人臉資料集。
活體檢測資料集
紅外資料：
IDIAP：msspoof: Multispectral-Spoof Database
1、NUAA
http://parnec.nuaa.edu.cn/xtan/data/nuaaimposterdb.html
列印照片攻擊，15個人，三次拍攝，每次地點照明各不相同。共12614張影象。
共有5105個真影象和7509個攻擊影象，訓練3491張，測試9123張
索引影象的檔名格式為：ID_galss_pos_session_picNo，
例如0010_01_05_03_115.jpg為：圖片0010編號，沒戴眼鏡，關窗開燈，03會議室，第115圖
ID：0001~0016圖片編號
眼鏡：00〜01
- 00：戴眼鏡
- 01：沒戴眼鏡
Pos：01~08影象的位置和光照條件
- 01：上下旋轉
- 02：上下扭曲
- 03：左右旋轉
- 04：左右扭曲
- 05：關閉窗開啟燈
- 07：開窗開燈
- 08：開窗關燈
- 08：靜止
會議：01〜03
picNo：圖片編號
我們還提供左眼（x，y），右眼（x，y）和鼻子（x，y）的座標，所有這些都由面部檢測到。
大小：300M左右（原圖）、裁剪後70M左右
2、IDIAP：msspoof: Multispectral-Spoof Database
https://www.idiap.ch/dataset/msspoof
自然光和近紅外拍色，解析度1280x1024，在NIR中記錄影象時，相機上安裝了800nm的近紅外濾光片。
紫外和近紅外影象，包含了21個人體。對於每個人，在7種情境（1走廊6辦公室）下，各5張VIS，5張NIR，共（5+5）*7=70張。
對每個人，各選3張VIS和3張NIR進行黑/白列印，並在3種光照條件下各進行4次攻擊，共6*2*4*3=144張。
大小為1.9G
注意！需要簽名申請
3、IDIAP：The Replay-Attack Database
https://www.idiap.ch/dataset/replayattack
1300個圖片和視訊攻擊，50個人，不同光照條件下
大小3G
注意！需要簽名申請
4、IDIAP：Replay-Mobile
https://www.idiap.ch/dataset/replay-mobile
共1190個照片和視訊攻擊，40個人，5種不同光照條件。
拍攝裝置： an iPad Mini2 (running iOS) and a LG-G4 smartphone (running Android)
720x1280,25fps,大小15G
注意！需要簽名申請
5、IDIAP：3DMAD
http://www.idiap.ch/dataset/3dmad/
3D mask資料集，共76500幀，17個人，
包含深度圖 (640x480 pixels – 1x11 bits)、RGB圖(640x480 pixels – 3x8 bits)、手工標記眼睛位置
大小：39G
注意！需要簽名申請
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
目前連結已失效
50個人，3種情境
7、MSU MFSD
http://biometrics.cse.msu.edu/Publications/Databases/MSUMobileFaceSpoofing/
280個圖片和視訊攻擊，35個人，
注意！需要簽名申請
8、MSU USSAD
Unconstrained Smartphone Spoof Attack Database
http://biometrics.cse.msu.edu/Publications/Databases/MSU_USSA/
針對智慧手機
9000張影象：1000張真的，8000張攻擊，共1000個人
注意！需要簽名申請
9、The Oulu-NPU face anti-spoofing database
https://sites.google.com/site/oulunpudatabase/
共4950個視訊，6種手機機型，3種光照環境和背景，兩種列印方式和兩種回放方式，共55個人
注意！需要簽名申請
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個人，對於每個人，有8個真的，20個攻擊，共4478個視訊，4種情境（距離、姿勢、光照、表情）
注意！需要簽名申請
11、3D mask資料集
A 3D Mask Face Anti-spoofing Database with Real World Variations
12、 論文截圖
圖1出自論文Face Spoof Detection with Image Distortion Analysis
圖2出自論文OULU-NPU: A mobile face presentation attack database with real-world variations
其他紅外人臉資料集
1、 CASIA NIR Database
http://www.cbsr.ia.ac.cn/english/NIR_face Databases.asp
連結失效
197人，共3940張圖片，都是近紅外人臉圖，大小為640x480，
注意！需要簽名申請
2、HFB Face Database
http://www.cbsr.ia.ac.cn/english/HFB Databases.asp
連結失效
heterogeneous face biometrics (HFB)異質面部生物識別
所謂異質，是指不同型別的影象，主要是可見光下的彩色圖/灰度圖Visual (VIS)，近紅外圖near infrared (NIR)，熱感紅外圖 thermal infrared (TIR)，3D深度圖。
普通的人臉識別一般是用同種型別的影象做比對，而異質面部生物識別，滷煮理解就是給你一張可見光面部影象，一張近紅外面部影象，依然可以比對出是否視同一張臉。
這個資料集包含 可見光影象visual (VIS), 近紅外影象 near infrared (NIR) 和3D人臉影象 three-dimensional (3D) face images。
100人（57男，43女），每人4VIS（640x480）+4NIR（640x480）+2or1 3-Dfaces
注意！需要簽名申請
3、 CASIA NIR-VIS 2.0 Database
http://www.cbsr.ia.ac.cn/english/NIR-VIS-2.0-Database.html
連結失效
這個可以說是2的加強版，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！需要簽名申請
4、PolyU NIR face DataBase香港理工大學近紅外人臉資料集
http://www4.comp.polyu.edu.hk/~biometrics/polyudb_face.htm
收集了350人，每人大概100張近紅外圖片，包含不同的姿態，表情，時間，尺度等。
共計3500張圖片，給出了每張圖片的人臉框位置資訊。
圖片解析度768*576
注意！需要簽名申請
5、IIT Delhi Near IR Face Database 黑暗場景下近紅外人臉資料集
http://www4.comp.polyu.edu.hk/~csajaykr/IITD/FaceIR.htm
這是IIT Delhi, New Delhi, India機構在2007年採集的黑暗場景下近紅外影象，全部是IIT Delhi的學生或者工作人員，基本都是印度人。
採集了17到50歲之間的人，共115人，共計574張圖片，圖片解析度為768 x 576，每人有2~6張圖片。
注意！需要簽名申請
6、USTC-NVIE Database[(natural visible and infrared facial expression database)]
http://www.face-rec.org/databases/
由中國科學技術大學安徽省計算與通訊軟體重點實驗室建成併發布，是目前世界較為全面的人臉表情資料庫，其中包含大約100名被試三種光照條件下六種表情的可見影象以及長波紅外影象，另外表情又分為自發表情與人為表情，人為表情又分為戴眼鏡與不戴眼鏡兩種情況。為進行（自發+人為）表情識別與情緒分析推理實驗提供了充足的實驗樣本與資料