【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
【活体检测】人脸活体检测、红外人脸数据集整理相关推荐
- 全黑的环境也能人脸识别?红外人脸识别技术助力人脸识别更自由
人脸识别是近些年来在生物特征识别领域中最常用的一种模态,在公共安全领域得到了广泛应用.同时,人脸识别方式也是多样化发展,如静态人脸识别.动态人脸识别.3D结构光人脸识别等,其实各类人脸识别方式大同小异 ...
- 人脸关键点检测和头部姿态估计数据集整理
1. 300W数据集简介 300W数据集是一个非常通用的人脸对齐数据集,也是近年来凡paper,都要出指标比对的必然数据集. 下载链接:https://ibug.doc.ic.ac.uk/resour ...
- 人脸活体检测、红外人脸数据集下载
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 ...
- 人脸活体检测:活体检测数据集
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 ...
- php活体检测,双目活体检测摄像头,人脸识别SDK,红外活体算法
近红外人脸活体检测算法主要是基于光流法而实现,无需指令配合,检测成功率较高.根据光流法,利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的"运动",从图像序列中得到 ...
- android 活体检测方案,一种基于人脸识别认证的Android红外双目活体检测的制作方法...
本发明涉及人脸识别领域,具体涉及一种基于人脸识别认证的Android红外双目活体检测. 背景技术: 在目前的利用红外线实现双目活体检测的技术中,普通红外双目,能够同时实时采集近红外和可见光两种图像,并 ...
- 人脸系列:人脸检测、人脸关键点定位、人脸优选、人脸对齐、人脸特征提取、人脸跟踪、人脸活体检测
一.一点想法 缘由:最近想整理下从事人脸方向的所有查阅过的论文,做过的相关实验,因为随着时间的推移,自己总会遗忘当初的一些想法,所以想好好整理下自己的学习笔记. 过程:本系列包括从人脸检测.人脸关键点 ...
- 人脸活体检测论文:Multi-Modal Face Anti-Spoofing Based on Central Difference Networks
作者 Zitong Yu, Yunxiao Qin, Xiaobai Li, Zezheng Wang, Chenxu Zhao, Zhen Lei, Guoying Zhao 摘要 人脸反欺骗(Fa ...
- CVPR AAAI 2020 |人脸活体检测最新进展
本文原载自知乎,已获作者授权转载,请勿二次转载. https://zhuanlan.zhihu.com/p/114313640 今年活体检测(FAS)比较火热,这块的文章投稿和录用量剧增,AAAI录了 ...
最新文章
- HTML POST提交参数给PHP并返回json,上传execl文件
- ci ajax js,CodeIgniter4 AJAX请求
- 引用校长对于管理工程学的学术研究的思考
- Apk打包-签名过程
- python从视频中提取音频_提取视频中的音频——python三行程序搞定!
- Introduce Explaining Variable(引入解释性变量)
- MongoDB Shell操作
- 知道python吗_你知道什么是Python吗
- ajax简单实例代码,分享Ajax创建简单实例代码
- redis java eval_【宇润日常疯测-002】Redis-eval() 到底好在哪
- 三个点在同一个半圆的概率_圆中四鸭属于一个半圆的概率
- 深入浅出Word2Vec原理解析
- KEIL MDK中 warning: #223-D: function “xxx“ declared implicitly 解决方法
- Unity——射线检测
- 学习笔记0525----NFS文件共享和FTP服务器
- 大学python课本_Python大学实用教程(大学计算机规划教材)/数据工程师系列
- 关于unity3d多点触控的研究
- 智能车摄像头组怎么在OLED屏画出中线
- Git删除本地多个分支
- Navicat的安装及简单使用