Real-World Masked Face Dataset (RMFD)

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, especially 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 controlling access in community lockdowns, upgrading facial recognition turnstiles at stations and airports, and adapting facial recognition attendance systems to environments where individuals wear masks.

原始信息汇总

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

数据集介绍

• 发起单位：武汉大学国家多媒体软件工程技术研究中心
• 目的：收集并建立全球最大的口罩人脸数据集，用于智能管控类似公共安全事件，如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

1. 真实口罩人脸识别数据集

   • 样本来源：网络爬取
   • 样本数量：525人，5千张口罩人脸，9万正常人脸
   • 下载地址：
     • 百度网盘 密码：j3aq
     • Google Drive

2. 模拟口罩人脸识别数据集

   • 样本来源：给公开数据集中的人脸戴上口罩
   • 样本数量：1万人，50万张人脸
   • 子数据集：
     • WebFace模拟口罩人脸数据集
       • 下载地址：
         • 百度网盘 密码: 77m8
         • Google Drive
     • LFW模拟口罩人脸数据集
       • 下载地址：
         • 百度网盘 密码: o126
         • Google Drive

数据集下载

• 原始样本：
  • RMFD_part_1：可直接下载
  • RMFD_part_2：4个压缩文件，需全部下载后解压
  • RMFD_part_3：3个压缩文件，需全部下载后解压
• 下载地址：
  • 百度网盘 提取码: xhze
  • Google Drive

联系信息

• 联系人：熊张洋
• 联系邮箱：[e-mail]

数据集应用

• 识别模型：基于口罩人脸数据集，设计和训练了面部-眉眼多粒度口罩人脸识别模型
• 识别精度：数据集上的识别精度达到95%
• 动态视频演示：
  • 下载链接 提取码: acwe

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。为了应对这一公共卫生事件，武汉大学国家多媒体软件工程技术研究中心发起了该数据集的构建工作。数据集主要通过两种方式构建：一是从网络爬取真实戴口罩的人脸图像，经过清洗和标注后，形成了包含525人的5000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；二是通过在公开数据集中的人脸上添加口罩，生成了包含1万人、50万张人脸的模拟口罩人脸数据集。这种双管齐下的构建方式确保了数据集的多样性和广泛性。

特点

RMFD数据集的特点在于其规模和多样性。作为全球最大的口罩遮挡人脸数据集，它不仅包含了真实场景中采集的口罩人脸图像，还通过模拟技术生成了大量口罩人脸数据。数据集中的每张图像都经过严格标注，确保了数据的准确性和可用性。此外，数据集还涵盖了不同场景下的口罩人脸图像，如社区、车站、机场等，为研究人员提供了丰富的实验素材。这种多样性和规模使得RMFD成为口罩遮挡人脸检测和识别算法开发的理想选择。

使用方法

RMFD数据集的使用方法灵活多样，适用于多种研究场景。研究人员可以通过GitHub或百度网盘下载数据集的不同部分，数据集分为多个压缩文件，下载后需解压使用。数据集主要用于口罩遮挡人脸的检测和识别算法的开发与测试。基于该数据集，研究人员可以设计和训练多粒度口罩人脸识别模型，如面部-眉眼多粒度识别模型，数据集上的识别精度已达到95%。此外，数据集还可用于社区封闭管理、车站机场人脸识别闸机升级等实际应用场景，帮助提升公共安全事件的智能管控能力。

背景与挑战

背景概述

Real-World Masked Face Dataset（RMFD）是由武汉大学国家多媒体软件工程技术研究中心于2020年发起并创建的一个大规模口罩遮挡人脸数据集。该数据集的诞生背景源于全球新型冠状病毒疫情的爆发，尤其是在武汉等疫情严重地区，口罩的广泛使用使得人脸识别技术面临新的挑战。RMFD旨在通过收集和整理大量戴口罩与未戴口罩的人脸图像，为智能管控系统提供数据支持，特别是在社区封闭管理、车站机场的人脸识别闸机以及人脸门禁考勤设备的升级中发挥重要作用。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戴口罩的人脸样本，极大地推动了口罩遮挡人脸检测与识别算法的研究。

当前挑战

RMFD数据集在解决口罩遮挡人脸识别问题时面临多重挑战。首先，口罩遮挡了人脸的大部分区域，尤其是鼻子和嘴巴等关键特征点，导致传统人脸识别算法的性能大幅下降。其次，真实场景中的口罩佩戴方式多样，口罩类型、颜色、形状等差异增加了识别的复杂性。此外，数据集的构建过程中也面临诸多困难，例如从网络爬取的图像质量参差不齐，需经过大量清洗和标注工作；模拟口罩人脸数据集的生成则需要精确的口罩贴合算法，以确保生成的图像具有真实感。这些挑战不仅考验了数据集的构建技术，也对后续算法的设计与优化提出了更高的要求。

常用场景

经典使用场景

在全球新型冠状病毒疫情期间，口罩遮挡人脸数据集（RMFD）为研究人员提供了一个重要的实验平台，用于开发和测试口罩遮挡下的人脸检测与识别算法。该数据集包含了大量真实场景下的口罩人脸图像，涵盖了不同角度、光照条件和口罩类型，为算法训练提供了丰富的多样性。通过这一数据集，研究人员能够有效评估和改进现有的人脸识别技术，使其在口罩遮挡的情况下仍能保持高精度识别。

解决学术问题

RMFD数据集解决了在口罩遮挡情况下人脸识别技术面临的挑战。传统的人脸识别算法在口罩遮挡下往往表现不佳，导致识别精度大幅下降。RMFD通过提供大量真实和模拟的口罩人脸数据，帮助研究人员设计新的算法模型，如基于眉眼特征的多粒度识别模型，显著提升了口罩遮挡下的识别精度。这一突破不仅推动了人脸识别技术的发展，也为未来类似公共卫生事件中的智能管控提供了技术支持。

衍生相关工作

基于RMFD数据集，研究人员开展了多项经典工作。例如，武汉大学国家多媒体软件工程技术研究中心开发了面部-眉眼多粒度口罩人脸识别模型，识别精度达到95%。此外，该数据集还推动了多篇学术论文的发表，相关研究成果已在国际顶级会议和期刊上展示。这些工作不仅丰富了口罩遮挡下的人脸识别理论，也为实际应用提供了可靠的技术支持。