CASIA-FAS-Dataset

一系列人脸反欺骗数据集，用于管理和基准测试。

A series of face anti-spoofing datasets for management and benchmark testing.

原始信息汇总

CASIA-FAS-Dataset 数据集概述

数据集列表

• CASIA_SURF
• CASIA_CeFA
• CASIA_HiFiMask
• CASIA_SuHiFiMask
• UniAttackData

数据集准备说明

CASIA_SURF

• 目录结构：

  CASIA_SURF/ |–– Data/ | |–– Training/ | | |–– real_part/ | | |–– fake_part/ | |–– Val/ | | |–– real_part/ | | |–– fake_part/ | |–– Testing/ | | |–– real_part/ | | |–– fake_part/ |–– protocol/ | |–– CASIA_SURF@p1_image_train.txt | |–– CASIA_SURF@p1_image_dev.txt | |–– CASIA_SURF@p1_image_test.txt | |–– CASIA_SURF@p1_video_train.txt | |–– CASIA_SURF@p1_video_dev.txt | |–– CASIA_SURF@p1_video_test.txt

• 下载链接：official website

• 解压指令：7za x CASIA_SURF.7z

CASIA_CeFA

• 目录结构：

  CASIA_CeFA/ |–– Ethnicity/ | |–– AF/ | |–– CA/ | |–– EA/ |–– Mask/ | |–– 3D-Mask/ | |–– Silicone-Mask/ |–– protocol/ | |–– CASIA_CeFA@p1.1_image_train.txt | |–– CASIA_CeFA@p1.1_image_dev.txt | |–– CASIA_CeFA@p1.1_image_test.txt | |–– CASIA_CeFA@p1.3_image_train.txt | |–– CASIA_CeFA@p1.3_image_dev.txt | |–– CASIA_CeFA@p1.3_image_test.txt | |–– CASIA_CeFA@p1.5_image_train.txt | |–– CASIA_CeFA@p1.5_image_dev.txt | |–– CASIA_CeFA@p1.5_image_test.txt | |–– CASIA_CeFA@p2.1_image_train.txt | |–– CASIA_CeFA@p2.1_image_dev.txt | |–– CASIA_CeFA@p2.1_image_test.txt | |–– CASIA_CeFA@p2.2_image_train.txt | |–– CASIA_CeFA@p2.2_image_dev.txt | |–– CASIA_CeFA@p2.2_image_test.txt | |–– CASIA_CeFA@p3_image_train.txt | |–– CASIA_CeFA@p3_image_dev.txt | |–– CASIA_CeFA@p3_image_test.txt | |–– CASIA_CeFA@p4.1_image_train.txt | |–– CASIA_CeFA@p4.1_image_dev.txt | |–– CASIA_CeFA@p4.1_image_test.txt | |–– CASIA_CeFA@p4.3_image_train.txt | |–– CASIA_CeFA@p4.3_image_dev.txt | |–– CASIA_CeFA@p4.3_image_test.txt | |–– CASIA_CeFA@p4.5_image_train.txt | |–– CASIA_CeFA@p4.5_image_dev.txt | |–– CASIA_CeFA@p4.5_image_test.txt

• 下载链接：official website

• 解压指令：7za x CASIA_CeFA.7z

CASIA_HiFiMask

• 目录结构：

  CASIA_HiFiMask/ |–– Data/ |–– protocol/ | |–– CASIA_HiFiMask@p1_image_train.txt | |–– CASIA_HiFiMask@p1_image_dev.txt | |–– CASIA_HiFiMask@p1_image_test.txt | |–– CASIA_HiFiMask@p2.1_image_train.txt | |–– CASIA_HiFiMask@p2.1_image_dev.txt | |–– CASIA_HiFiMask@p2.1_image_test.txt | |–– CASIA_HiFiMask@p2.2_image_train.txt | |–– CASIA_HiFiMask@p2.2_image_dev.txt | |–– CASIA_HiFiMask@p2.2_image_test.txt | |–– CASIA_HiFiMask@p2.3_image_train.txt | |–– CASIA_HiFiMask@p2.3_image_dev.txt | |–– CASIA_HiFiMask@p2.3_image_test.txt | |–– CASIA_HiFiMask@p3_image_train.txt | |–– CASIA_HiFiMask@p3_image_dev.txt | |–– CASIA_HiFiMask@p3_image_test.txt

• 下载链接：official website

• 解压指令：7za x CASIA-HiFi-Mask-crop3.zip -o./Data/

CASIA_SuHiFiMask

• 目录结构：

  CASIA_HiFiMask/ |–– Data/ |–– protocol/ | |–– CASIA_SuHiFiMask@p1_image_train.txt | |–– CASIA_SuHiFiMask@p1_image_dev.txt | |–– CASIA_SuHiFiMask@p1_image_test.txt | |–– CASIA_SuHiFiMask@p2.1_image_train.txt | |–– CASIA_SuHiFiMask@p2.1_image_dev.txt | |–– CASIA_SuHiFiMask@p2.1_image_test.txt | |–– CASIA_SuHiFiMask@p2.2_image_train.txt | |–– CASIA_SuHiFiMask@p2.2_image_dev.txt | |–– CASIA_SuHiFiMask@p2.2_image_test.txt | |–– CASIA_SuHiFiMask@p2.3_image_train.txt | |–– CASIA_SuHiFiMask@p2.3_image_dev.txt | |–– CASIA_SuHiFiMask@p2.3_image_test.txt | |–– CASIA_SuHiFiMask@p2.4_image_train.txt | |–– CASIA_SuHiFiMask@p2.4_image_dev.txt | |–– CASIA_SuHiFiMask@p2.4_image_test.txt | |–– CASIA_SuHiFiMask@p3_image_train.txt | |–– CASIA_SuHiFiMask@p3_image_dev.txt | |–– CASIA_SuHiFiMask@p3_image_test.txt

• 下载链接：official website

• 解压指令：7za x SuHiFiMask_TIFS24.7z

UniAttackData

• 目录结构：

  CASIA_HiFiMask/ |–– Data/ | |–– adv-attacks | |–– DaGAN | |–– FaceDancer | |–– InsightFace | |–– live | |–– OneShotTH | |–– SAFA | |–– simswap | |–– spoof |–– protocol/ | |–– UniAttackData@p1_image_train.txt | |–– UniAttackData@p1_image_dev.txt | |–– UniAttackData@p1_image_test.txt | |–– UniAttackData@p2.1_image_train.txt | |–– UniAttackData@p2.1_image_dev.txt | |–– UniAttackData@p2.1_image_test.txt | |–– UniAttackData@p2.2_image_train.txt | |–– UniAttackData@p2.2_image_dev.txt | |–– UniAttackData@p2.2_image_test.txt

• 下载链接：official website

引用

Shell 请在您的出版物中引用以下论文，如果它有助于您的研究：

CASIA-SURF

@article{zhang2020casia, title={Casia-surf: A large-scale multi-modal benchmark for face anti-spoofing}, author={Zhang, Shifeng and Liu, Ajian and Wan, Jun and Liang, Yanyan and Guo, Guodong and Escalera, Sergio and Escalante, Hugo Jair and Li, Stan Z}, journal={IEEE Transactions on Biometrics, Behavior, and Identity Science}, volume={2}, number={2}, pages={182--193}, year={2020}, publisher={IEEE} }

@inproceedings{liu2019multi, title={Multi-modal face anti-spoofing attack detection challenge at cvpr2019}, author={Liu, Ajian and Wan, Jun and Escalera, Sergio and Jair Escalante, Hugo and Tan, Zichang and Yuan, Qi and Wang, Kai and Lin, Chi and Guo, Guodong and Guyon, Isabelle and others}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops}, pages={0--10}, year={2019} }

CASIA-CeFA

@inproceedings{liu2021casia, title={Casia-surf cefa: A benchmark for multi-modal cross-ethnicity face anti-spoofing}, author={Liu, Ajian and Tan, Zichang and Wan, Jun and Escalera, Sergio and Guo, Guodong and Li, Stan Z}, booktitle={Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision}, pages={1179--1187}, year={2021} }

@article{liu2021cross, title={Cross-ethnicity face anti-spoofing recognition challenge: A review}, author={Liu, Ajian and Li, Xuan and Wan, Jun and Liang, Yanyan and Escalera, Sergio and Escalante, Hugo Jair and Madadi, Meysam and Jin, Yi and Wu, Zhuoyuan and Yu, Xiaogang and others}, journal={IET Biometrics}, volume={10}, number={1}, pages={24--43}, year={2021}, publisher={Wiley Online Library} }

CASIA-HiFiMask

@article{liu2022contrastive, title={Contrastive context-aware learning for 3d high-fidelity mask face presentation attack detection}, author={Liu, Ajian and Zhao, Chenxu and Yu, Zitong and Wan, Jun and Su, Anyang and Liu, Xing and Tan, Zichang and Escalera, Sergio and Xing, Junliang and Liang, Yanyan and others}, journal={IEEE Transactions on Information Forensics and Security}, volume={17}, pages={2497--2507}, year={2022}, publisher={IEEE} }

@inproceedings{liu20213d, title={3d high-fidelity mask face presentation attack detection challenge}, author={Liu, Ajian and Zhao, Chenxu and Yu, Zitong and Su, Anyang and Liu, Xing and Kong, Zijian and Wan, Jun and Escalera, Sergio and Escalante, Hugo Jair and Lei, Zhen and others}, booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops}, pages={814--823}, year={2021} }

UniAttackData

@article{fang2023surveillance, title={Surveillance Face Anti-spoofing}, author={Fang, Hao and Liu, Ajian and Wan, Jun and Escalera, Sergio and Zhao, Chenxu and Zhang, Xu and Li, Stan Z and Lei, Zhen}, journal={IEEE Transactions on Information Forensics and Security}, year={2023} }

@inproceedings{escalera2023surveillance, title={Surveillance Face Presentation Attack Detection Challenge}, author={Fang, Hao, Liu, Ajian and Wan, Jun, Escalera, Sergio and Escalante, Hugo Jair and Lei, Zhen}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshop}, pages={6360--6370}, year={2023} }

搜集汇总

数据集介绍

构建方式

CASIA-FAS-Dataset通过整合多个子数据集构建，包括CASIA_SURF、CASIA_CeFA、CASIA_HiFiMask、CASIA_SuHiFiMask和UniAttackData。每个子数据集均包含真实和伪造人脸图像或视频，并配有详细的协议文件，用于定义训练、验证和测试集的划分。数据集的构建遵循严格的文件结构，确保数据的可管理性和可重复性。通过从官方网站下载并解压缩数据，用户可以轻松组织和访问这些子数据集。

特点

CASIA-FAS-Dataset的特点在于其多模态和多层次的特性，涵盖了不同种族、不同攻击类型和不同分辨率的数据。该数据集不仅提供了丰富的图像和视频数据，还通过多种协议文件确保了数据集的灵活性和可扩展性。此外，数据集的构建考虑了公平比较和可重复性，为研究人员提供了标准化的实验环境。

使用方法

使用CASIA-FAS-Dataset时，用户首先需在指定目录下创建相应的文件夹结构，并从官方网站下载各子数据集。解压缩后，将数据放置在对应的文件夹中，并确保协议文件的正确放置。通过遵循预定义的文件结构和协议，用户可以轻松访问和使用数据集进行训练、验证和测试。此外，用户还可以根据需要创建符号链接，以避免重复下载和存储。

背景与挑战

背景概述

CASIA-FAS-Dataset是由中国科学院自动化研究所（CASIA）的研究团队创建的一个多模态人脸反欺骗（Face Anti-Spoofing, FAS）数据集。该数据集的核心研究问题是如何通过多模态数据（如图像、视频等）来有效识别和防范人脸欺骗攻击。自创建以来，CASIA-FAS-Dataset已成为该领域的重要基准，推动了多模态人脸反欺骗技术的发展。主要研究人员包括张世峰、刘阿健等，他们的研究成果在IEEE Transactions on Biometrics, Behavior, and Identity Science等权威期刊上发表，对人脸识别技术的安全性提升具有重要影响。

当前挑战

CASIA-FAS-Dataset在构建过程中面临多重挑战。首先，数据集的多样性和复杂性要求研究人员能够处理和整合来自不同模态的数据，这需要先进的算法和计算资源。其次，确保数据集的公平性和可重复性也是一个重要挑战，研究人员为此提供了详细的训练、验证和测试协议。此外，随着人脸欺骗技术的不断进步，数据集需要不断更新以应对新的攻击手段，这要求持续的研究投入和数据收集。

常用场景

经典使用场景

CASIA-FAS-Dataset在人脸反欺骗（Face Anti-Spoofing）领域中具有经典的使用场景。该数据集通过提供多模态的面部图像和视频数据，支持研究人员开发和验证基于深度学习的人脸反欺骗算法。其多模态特性，包括RGB图像、深度图像和红外图像，使得模型能够更全面地识别真实人脸与伪造人脸之间的细微差别。此外，数据集中的固定训练、验证和测试协议确保了实验的可重复性和公平比较，为学术界和工业界提供了一个标准化的评估平台。

实际应用

CASIA-FAS-Dataset在实际应用中具有广泛的应用场景。在金融领域，人脸识别系统需要高精度的反欺骗技术来防止身份盗用和欺诈行为。在安防领域，该数据集支持开发能够识别高仿真面具和3D打印面具攻击的系统，提升公共安全。在移动支付和智能家居等场景中，人脸反欺骗技术也是确保用户身份安全和系统可靠性的关键。通过提供多模态和多样化的数据，CASIA-FAS-Dataset为这些实际应用提供了强有力的技术支持。

衍生相关工作

CASIA-FAS-Dataset的发布催生了大量相关的经典工作。许多研究团队基于该数据集开发了新的算法和模型，如多模态融合网络、深度学习模型和对比学习方法，这些工作在人脸反欺骗领域取得了显著的成果。此外，数据集的跨种族和面具攻击数据集激发了针对特定攻击类型的研究，推动了跨种族和面具攻击检测技术的发展。学术会议和期刊上发表的许多论文都以CASIA-FAS-Dataset作为基准数据集，展示了其在推动人脸反欺骗技术进步中的重要作用。