CASIA-SURF 和 CASIA-SURF-CeFA（活体检测数据库 / 跨种族面部反欺骗数据集)

注意：（暂无解压密码，获取后会及时更新）

（一）

CASIA-SURF-CeFA 跨种族面部反欺骗数据集

种族偏见已被证明会对人脸识别系统的性能产生负面影响，并且在人脸反欺骗方面仍然是一个开放的研究问题。为了研究面部反欺骗的种族偏见，我们引入了最大的最新CASIA-SURF跨种族面部反欺骗（CeFA）数据集（简称为CeFA），涵盖1,607 个主题，以及2D加3D攻击类型。引入了四个协议来衡量在各种评估条件下的影响，例如，种族间的差异，未知的欺骗或两者兼而有之。据我们所知，CeFA是第一个数据集，其中包括当前已发布/发行的用于面部防欺骗的数据集中的明显种族标签。然后，我们提出了一种新颖的多模式融合方法作为缓解这些偏差的强有力的基准，即 在每种模式（即RGB，深度和红外图像）中应用的静态-动态融合机制。后来，提出了一种部分共享的融合策略来从多种模式中学习补充信息。

下载地址

链接: https://pan.baidu.com/s/1tkRB1qMr1fDmGpxy-rM4iQ 提取码: m7hv

（二）

CASIA-SURF 活体检测数据库

本文开源了一个包含大量不同年龄段人的多形式(RGB,Depth，IR)的数据集，称之为CASIA-SURF，它也是当时不管从目标数还是形式数来看都是最大的开源活体检测数据集。它包含了1000个不同的目标，拥有21000个视频。其次，还提供了广泛的验证指标，不同的验证方式，训练/测试/验证子集，测量工具，进一步提升了活体检测的基准。

活体检测也研究了很长时间。一些之前的研究试着通过眨眼等来检测是否是活体，还有的一些研究基于内容和移动的信息。为了提升对光照变化的鲁棒性，一些研究采用了HSV和YCbCr彩色空间和傅里叶变换。所有这些方法都使用了手动得到的特征，比如说LBP，HOG和GLCM。最近也提出了很多融合的方法来获得更泛化的检测性能，不够由于缺少多形式的数据集，这些方法多融合的是分值和特征层级，而不是各形式的数据。最近随着CNN的发展，将活体检测作为一个二分类问题来解决取得了不错的效果。

下载地址：

提示：此内容登录后可查看