Real-World Masked Face Dataset

近期全球新型冠状病毒肆虐，疫情严重地区（如武汉）几乎人人戴口罩，具有海量样本基数。收集样本建立全球最大口罩人脸数据集，并向社会开放，为当前及今后可能的类似公共安全事件智能管控积累数据资源。基于口罩人脸数据，设计相应口罩遮挡人脸检测和识别算法，帮助社区封闭时的人员进出管控，车站、机场的人脸识别闸机以及人脸门禁考勤设备的升级，适应行人口罩蒙面遮挡的应用环境。

Recently, the global outbreak of the novel coronavirus has led to widespread mask-wearing in severely affected areas such as Wuhan, providing a vast sample base. A dataset of the world's largest collection of masked facial images has been established and made publicly available to accumulate data resources for intelligent management of current and potential future public safety incidents. Based on this dataset, algorithms for detecting and recognizing faces with masks have been developed to assist in managing access control in closed communities, upgrading facial recognition gates at stations and airports, and adapting facial recognition attendance systems to environments where masks are commonly worn.

原始信息汇总

口罩遮挡人脸数据集（Real-World Masked Face Dataset，RMFD）概述

数据集发起单位

• 武汉大学国家多媒体软件工程技术研究中心

数据集联系人

• 熊张洋
• 联系邮箱：[e-mail]

数据集目的

• 为当前及今后可能的类似公共安全事件智能管控积累数据资源。
• 设计口罩遮挡人脸检测和识别算法，帮助社区封闭时的人员进出管控，车站、机场的人脸识别闸机以及人脸门禁考勤设备的升级。

数据集内容

真实口罩人脸识别数据集

• 包含525人的5千张口罩人脸、9万正常人脸。
• 下载地址：https://pan.baidu.com/s/1XvGepj84SCA9rlVb9rGhEQ
• 密码：j3aq

模拟口罩人脸识别数据集

• 给公开数据集中的人脸戴上口罩，得到1万人、50万张人脸的模拟口罩人脸数据集。
• Webface模拟口罩人脸数据集：https://pan.baidu.com/s/1Qi_8D_kH2QCm761elZs5YA
  • 密码: 77m8
• LFW模拟口罩人脸数据集：https://pan.baidu.com/s/1Ge0KcYgu6oVAbLlDHCKwRg
  • 密码: o126

数据集下载

• RWMFD_part_1可直接下载使用。
• RWMFD_part_2 (4个压缩文件) 和RWMFD_part_3 (3个压缩文件) 需要下载全部压缩文件后，再进行解压。

数据集示例

• 原始样本示例图片展示。

搜集汇总

数据集介绍

构建方式

Real-World Masked Face Dataset（RMFD）的构建源于全球新型冠状病毒疫情期间，口罩成为日常生活中的必需品。该数据集由武汉大学国家多媒体软件工程技术研究中心发起，通过网络爬取真实佩戴口罩的人脸图像，并经过整理、清洗和标注，最终形成了包含525人的5千张口罩人脸和9万张正常人脸的真实口罩人脸识别数据集。此外，为了扩充数据，研究团队还通过给公开数据集中的人脸图像添加口罩，生成了1万人、50万张人脸的模拟口罩人脸数据集。

特点

RMFD数据集的特点在于其多样性和实用性。它不仅包含了真实场景下佩戴口罩的人脸图像，还通过模拟技术生成了大量口罩人脸数据，涵盖了不同场景、光照条件和口罩类型。数据集中的每张图像都经过严格标注，确保数据的准确性和一致性。此外，数据集还提供了同一人佩戴口罩与未佩戴口罩的对比图像，为口罩遮挡人脸的检测与识别算法研究提供了丰富的训练和测试资源。

使用方法

RMFD数据集的使用方法灵活多样。研究人员可以通过GitHub或百度网盘下载数据集的不同部分，部分数据需要下载并解压多个压缩文件。数据集适用于口罩遮挡人脸的检测与识别算法开发，特别是在社区封闭管理、车站机场人脸识别闸机以及人脸门禁考勤设备的升级中具有重要应用价值。用户还可以通过邮件向数据集发起单位提交新的口罩人脸图像，以进一步扩充数据集。

背景与挑战

背景概述

在新型冠状病毒（COVID-19）全球大流行的背景下，口罩成为人们日常生活中的必需品，尤其是在疫情严重的地区如武汉。这一现象催生了对口罩遮挡人脸识别技术的迫切需求。为此，武汉大学国家多媒体软件工程技术研究中心于2020年发起了Real-World Masked Face Dataset（RMFD）项目，旨在构建全球最大的口罩遮挡人脸数据集。该数据集不仅包含真实场景下的口罩人脸图像，还通过模拟技术生成了大量口罩人脸数据，为口罩遮挡人脸检测与识别算法的开发提供了重要支持。RMFD的发布为社区封闭管理、车站机场人脸识别闸机升级等应用场景提供了数据基础，推动了相关领域的研究进展。

当前挑战

RMFD数据集在构建与应用过程中面临多重挑战。首先，口罩遮挡了人脸的关键特征区域，如鼻子和嘴巴，这极大地增加了人脸识别的难度，尤其是在真实场景中，口罩的样式、颜色和佩戴方式各异，进一步加剧了算法的复杂性。其次，数据集的构建过程中，如何确保数据的多样性和代表性是一个关键问题。尽管通过爬取网络数据和模拟生成数据扩充了数据集，但真实场景中的光照、角度和遮挡情况仍然难以完全覆盖。此外，数据标注的准确性和一致性也对算法的训练效果产生了直接影响，尤其是在大规模数据集中，人工标注的误差难以避免。这些挑战不仅影响了算法的性能，也对数据集的持续扩展和优化提出了更高的要求。

常用场景

经典使用场景

在新型冠状病毒疫情期间，口罩遮挡人脸数据集（RMFD）被广泛应用于人脸识别算法的开发与优化。该数据集通过提供大量真实和模拟的口罩遮挡人脸图像，为研究人员提供了丰富的训练和测试资源，帮助提升算法在口罩遮挡情况下的识别准确率。

衍生相关工作

基于RMFD数据集，研究人员开发了多种口罩遮挡人脸检测和识别算法，相关成果已在多个学术会议和期刊上发表。例如，基于该数据集的深度学习模型在遮挡人脸识别任务中取得了显著进展，推动了该领域的进一步发展。

数据集最近研究

最新研究方向

在新冠疫情的背景下，口罩遮挡人脸数据集（Real-World Masked Face Dataset, RMFD）的研究方向主要集中在提升人脸识别系统在口罩遮挡情况下的准确性和鲁棒性。随着全球范围内口罩佩戴的普及，传统的人脸识别技术面临重大挑战。RMFD数据集通过提供大量真实和模拟的口罩人脸图像，为开发新的算法和模型提供了宝贵资源。这些研究不仅推动了人脸识别技术的进步，也为公共安全领域提供了技术支持，如社区管理、交通枢纽的安全检查等。此外，该数据集的应用还扩展到了医疗和健康监测领域，通过分析佩戴口罩时的面部表情变化，为疾病诊断和情绪识别提供了新的视角。