【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