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624*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