TrainingDataPro/hispanic-kyc-photo-dataset

Know Your Customer数据集专注于西班牙裔人群的面部检测和再识别，包含超过10,800张照片，其中1,400多张为文档照片，涉及720多人来自19个国家。数据集包含多种文档类型，如护照、驾驶执照等，并提供个人照片，包括2张证件照和13张自拍照。所有个人信息均已隐藏。此数据集适用于面部识别、情感检测、年龄估计和性别分类等多种图像处理任务。

许可证：CC-BY-NC-ND-4.0
任务类别：
- 图像分类
- 图像分割
- 图像到图像转换
- 图像特征提取
- 特征提取
- 目标检测
语言：
- 英语
- 西班牙语
标签：
- 法律领域
- 金融领域
- 代码相关

# 了解你的客户（Know Your Customer，简称KYC）数据集：人脸检测与重识别，西班牙裔人群

包含全族裔人群的同类数据集：[证件照与自拍数据集](https://trainingdata.pro/datasets/document-photos-and-selfies?utm_source=huggingface&utm_medium=cpc&utm_campaign=hispanic-kyc)

本数据集包含10800余张图像，其中包括来自19个国家的720余名人物的1400余张证件照。每位人物对应2张证件照与13张自拍图像。本数据集内所有人物均为西班牙裔，涵盖了不同背景与年龄段的个体。

**注：证件照仅保留人物面部图像，证件上的所有个人信息均已隐去**

### 数据集中包含的证件类型
- 护照
- 国际护照
- 驾驶证
- 学生证
- 健康证明
- 退休证
- 工作通行证
- 其他证件

本数据集可应用于多种任务，包括**人脸识别、情绪检测、年龄估计、性别分类**，以及其他与人体图像分析相关的任务。

# 💴 商业使用说明：完整版数据集包含10800余张人物图像，可前往**[TrainingData平台](https://trainingdata.pro/datasets/hispanic-people-kyc-photo?utm_source=huggingface&utm_medium=cpc&utm_campaign=hispanic-kyc)**提交申请以购买完整版数据集。

### 完整版数据集元数据说明
- **assignment_id**：媒体文件的唯一标识符
- **worker_id**：人物的唯一标识符
- **age**：人物年龄
- **gender**：人物性别
- **country**：人物所属国家
- **ethnicity**：人物族裔
- **photo_1_extension、photo_2_extension……photo_15_extension**：数据集中各照片的文件扩展名
- **photo_1_resolution、photo_2_resolution……photo_15_resolution**：数据集中各照片的分辨率

### 数据集统计信息

# 💴 数据集购买说明：本页面仅展示数据集示例，如需了解价格并购买完整版数据集，请前往**[TrainingData平台数据集页面](https://trainingdata.pro/datasets/hispanic-people-kyc-photo?utm_source=huggingface&utm_medium=cpc&utm_campaign=hispanic-kyc)**提交申请。

# 数据集内容构成
本数据集包含以下内容：
- **文件目录**：包含5个对应单个人物的文件夹，每个文件夹内包含15张图像（2张证件照与13张自拍）
- **.csv元数据文件**：包含数据集中所有图像与人物的相关信息

### CSV格式元数据文件说明
- **id**：人物唯一标识
- **age**：人物年龄
- **gender**：人物性别
- **country**：人物所属国家
- **id_1、id_2**：证件照的访问链接
- **selfie_1、selfie_2……selfie_13**：该人物13张自拍的访问链接

## **[TrainingData平台](https://trainingdata.pro/datasets/hispanic-people-kyc-photo?utm_source=huggingface&utm_medium=cpc&utm_campaign=hispanic-kyc)**可提供符合您需求的高质量数据标注服务。

TrainingData平台在Kaggle上的更多数据集：**https://www.kaggle.com/trainingdatapro/datasets**

TrainingData平台的GitHub仓库：**https://github.com/Trainingdata-datamarket/TrainingData_All_datasets**

*关键词：生物识别系统、生物特征数据集、人脸识别数据库、人脸识别数据集、人脸检测数据集、面部分析、目标检测数据集、深度学习数据集、计算机视觉数据集、人体图像数据集、人脸数据集、机器学习、图像到图像转换、重识别、证件照、证件照与自拍配对集、人像、身份验证模型、护照、证件卡图像、数字化身份照片、西班牙裔人群、西班牙裔数据集*

原始信息汇总

数据集概述

数据集名称

• Know Your Customer Dataset, Face Detection and Re-identification, Hispanic People

数据集内容

• 10,800+ 照片，包括 1,400+ 文档照片，来自 720+ 人，覆盖 19 个国家。
• 每位参与者提供2张文档照片和13张自拍照。
• 所有参与者均为西班牙裔，涵盖不同背景和年龄段。

文档类型

• 护照
• 国际护照
• 驾驶执照
• 学生卡
• 健康证书
• 退休人员身份证
• 工作通行证
• 其他文档

数据集用途

• 人脸识别
• 情感检测
• 年龄估计
• 性别分类
• 其他与人类图像分析相关的问题

数据集结构

• 文件：包含5个文件夹，每个文件夹对应一个人，包含15张图片（2张身份证照片和13张自拍照）。
• .csv文件：包含关于图像和人的信息。

元数据

• assignment_id：媒体文件的唯一标识符
• worker_id：人的唯一标识符
• age：人的年龄
• gender：人的性别
• country：人的国家
• ethnicity：人的种族
• photo_1_extension, ..., photo_15_extension：数据集中照片的扩展名
• photo_1_resolution, ..., photo_15_resolution：数据集中照片的分辨率

统计信息

• 数据集的统计信息未详细说明，但提供了相关的统计图表链接。

许可证

• cc-by-nc-nd-4.0

语言

• en
• es

标签

• legal
• finance
• code

任务类别

• image-classification
• image-segmentation
• image-to-image
• image-feature-extraction
• feature-extraction
• object-detection

搜集汇总

数据集介绍

构建方式

在金融合规与身份验证领域，精准的人脸识别技术依赖于高质量、多样化的数据集。该数据集基于Selfies and ID Dataset构建，专门聚焦拉丁裔人群，共收录来自19个国家的720余位个体的10,800余张照片，其中包括1,400余张证件照片。每位参与者贡献了2张证件照与13张自拍照，证件类型涵盖护照、国际旅行证、驾照、学生卡、健康证明、退休证及工作证等。所有证件照片中的个人隐私信息均被隐去，仅保留人脸区域，以确保数据合规性。

使用方法

数据集以文件夹与CSV文件形式组织。文件夹包含每位参与者的5个子文件夹，各存15张图像（2张证件照与13张自拍照）。CSV文件记录了每人的唯一标识符、年龄、性别、国家，以及15张照片的访问链接。用户可通过读取CSV文件获取图像路径，加载数据后用于训练分类、回归或检测模型。示例版本可直接用于探索与原型开发；完整版含110,000余张照片及更丰富的元数据，可通过官方网站申请获取，同时团队也提供定制化数据标注服务以满足特定需求。

背景与挑战

背景概述

在全球金融合规与反欺诈领域，客户身份识别（Know Your Customer, KYC）技术正日益成为身份验证系统的核心支柱。TrainingDataPro/hispanic-kyc-photo-dataset由Unidata团队于2024年创建，聚焦于拉丁裔人群的面部识别与证件照片匹配任务。该数据集包含来自19个国家的720余人、共计10,800余张图像，每名个体提供2张证件照与13张自拍，覆盖护照、驾照、学生证等多种证件类型。研究团队通过隐匿证件上所有个人信息，专注于人脸特征的提取与比对，为跨种族面部识别算法的公平性评估提供了稀缺的高质量资源。该数据集对推动金融科技、数字身份验证及多模态人脸分析研究具有重要的基准价值。

当前挑战

该数据集面临的核心挑战在于解决人脸识别领域长期存在的种族偏差问题，即大多数主流数据集以高加索或东亚人群为主导，导致针对拉丁裔人群的识别模型性能显著下降。构建过程中，数据采集需跨越19个国家，协调不同证件格式、光照条件及拍摄设备带来的图像异质性，同时确保每名个体的多视角自拍与证件照间保持身份一致性。此外，年龄跨度与性别分布的均衡性控制、证件照片中非人脸区域的干扰（如背景、遮挡物）以及隐私法规的合规性，均对数据集的质量与代表性构成了严峻考验。

常用场景

经典使用场景

该数据集专为面向拉丁裔人群的“了解你的客户”（KYC）合规场景而构建，涵盖了来自19个国家的720余位个体的10,800余张照片，包括证件照与自拍像。其经典用途在于训练和评估人脸识别、人脸检测、年龄估计与性别分类等视觉模型，尤其适用于需要处理拉丁裔面孔多样性的身份验证系统。由于数据集中包含同一人物在证件与日常场景中的多视角图像，研究者可借此探究跨场景人脸匹配的鲁棒性，从而推动面向特定族裔的人脸分析技术发展。

解决学术问题

在学术研究层面，该数据集有效回应了人脸识别领域中族裔偏差这一关键问题。现有模型往往在非白人族裔上表现欠佳，而本数据集聚焦拉丁裔群体，提供了丰富的年龄、性别与国籍标注，为研究族裔特异性面部特征、跨年龄人脸识别以及证件照与生活照间的域适应提供了标准化基准。它有助于揭示模型在不同族裔上的性能差异，并为设计更公平、更鲁棒的人脸分析算法奠定数据基础。

实际应用

实际应用中，该数据集主要服务于金融、政务与安防领域的远程身份核验系统。银行或支付平台可利用其训练模型，验证用户上传的自拍照是否与证件照片匹配，从而防范身份盗用与欺诈。此外，数据集中的年龄与性别标签还可用于客户画像分析，例如在合规框架下评估用户年龄是否满足服务门槛。其多类型证件（护照、驾照、学生证等）的覆盖，也使得模型能适应不同国家的身份文档格式。

数据集最近研究

最新研究方向

在金融科技与身份验证领域，拉美裔人群的KYC（了解你的客户）数据集正成为人脸识别与反欺诈研究的前沿焦点。该数据集涵盖720余位来自19个国家的拉美裔个体，包含超过10,800张照片，其中证件照与自拍像的配对设计尤为关键，为跨姿态、跨年龄段的人脸重识别任务提供了稀缺的族裔特异性训练素材。当前研究热点集中于利用此类多模态图像（证件照与生活照）提升模型在真实KYC场景下的泛化能力，尤其在年龄估计与性别分类任务中，拉美裔人群的肤色、面部结构多样性对算法公平性提出了新挑战。该数据集的发布恰逢全球监管机构强化反洗钱与数字身份验证合规要求之际，其意义在于推动人脸识别系统在族裔多样性上的鲁棒性突破，并助力减少算法偏见，为金融包容性提供技术支撑。