pc-web-ir-rgb-webcam-dataset-ibeta-level-1

iBeta Level 1 PAD IR + RGB网络摄像头人脸活体检测数据集，用于PC/Web应用程序。该数据集包含使用双摄像头设置捕获的纸质攻击样本，每个样本都有同步的红外通道和标准网络摄像头RGB视图，包括真实录制和四种纸质伪装变体：打印和剪切、圆柱体、演员佩戴和3D纸质面具。数据集适用于PC/Web环境下的ISO/IEC 30107-3 PAD Level 1预评估，可用于训练和评估活体检测算法，区分真实网络摄像头自拍照和纸质攻击。

原始信息汇总

iBeta Level 1 PAD — IR + RGB Webcam Face Liveness Dataset for PC/Web Application

数据集概述

iBeta Level 1纸质攻击数据集，通过双摄像头设置采集：IR（红外）和RGB网络摄像头，用于PC/网页端注册流程。每个样本包含同步的IR通道和标准网络摄像头RGB视图，涵盖真实录制和四种纸质欺骗变体：打印剪裁、圆柱体、演员佩戴和3D纸质面具。专为PC/网页端注册流程中的ISO/IEC 30107-3 PAD Level 1预评估设计——通过桌面网络摄像头（IR + RGB）的网页应用程序。

技术规格

• 许可证: cc-by-nc-4.0
• 语言: 英语
• 标签: video, ibeta, ir, rgb, webcam, liveness detection

数据采集设置

• 双摄像头采集: 每个样本的IR和RGB网络摄像头流
• 环境: 桌面/办公室设置，模拟PC/网页端身份验证
• 主动活体动作: 序列包括自然运动（例如轻微转头、放大/缩小）以反映真实主动检查
• 内容类型: 多个纸质面具欺骗变体的视频

攻击分类

• 打印剪裁: 打印的面部带有眼睛/嘴巴的剪裁（打印/剪裁）
• 圆柱体: 弯曲/圆柱形打印以模拟面部体积
• 演员佩戴: 由现场表演者佩戴的平面纸质面具（演员佩戴），带有眼睛/头部变化
• 3D纸质面具: 带有突出部分（例如鼻子）或人体模型安装的体积纸质面具

所有攻击类型均从RGB网络摄像头（PC/网页）和IR摄像头捕获，支持跨模态训练。

潜在用例

• 活体检测（PAD）: 在PC/网页条件下使用RGB、IR或IR + RGB融合，训练和评估区分真实网络摄像头自拍和纸质欺骗攻击的算法
• 预iBeta评估: 在正式认证前针对类似iBeta Level 1的纸质攻击对模型进行阶段性测试

搜集汇总

数据集介绍

构建方式

在生物特征识别领域，pc-web-ir-rgb-webcam-dataset-ibeta-level-1数据集通过双摄像头同步采集系统构建，涵盖真实人脸与四种纸质攻击变体。采集环境模拟桌面办公场景，采用红外与RGB网络摄像头并行录制，确保模态间时序同步。每个样本包含主动活体运动序列，如自然头部转动与缩放操作，以贴合实际PC端身份验证流程。

特点

该数据集突出多模态融合特性，同时提供红外与RGB视角的同步视频流，覆盖平面打印、曲面圆柱、真人佩戴及3D纸质面具四类攻击类型。数据设计严格遵循ISO/IEC 30107-3标准中Level 1认证要求，所有攻击样本均具备双模态对应版本，为跨模态算法训练提供坚实基础。其场景真实性体现在模拟浏览器端KYC认证的交互环境中，兼具静态与动态攻击样本。

使用方法

研究者可利用该数据集开发PC端活体检测模型，支持单模态（RGB或IR）或双模态融合方案。数据适用于预处理阶段的特征提取、攻击分类器训练，以及iBeta Level 1认证前的算法预评估。使用时需注意跨模态对齐，建议采用时序同步框架处理双流输入，并依据ISO标准划分训练与测试集以验证模型泛化能力。

背景与挑战

背景概述

随着远程身份验证需求的激增，活体检测技术成为保障数字安全的核心环节。iBeta Level 1 PAD数据集由专业安全机构于近年开发，专注于PC端网页环境下的多模态生物特征防伪研究。该数据集通过同步红外与RGB双摄像头采集，涵盖真实人脸及四种纸质攻击变体，旨在为ISO/IEC 30107-3标准中的Level 1认证提供预评估基准，显著推动了金融科技和远程身份验证领域的标准化进程。

当前挑战

该数据集致力于解决网页端活体检测中纸质攻击的识别难题，其核心挑战在于区分高仿真纸质面具与真实生物特征。构建过程中需克服多模态数据同步的技术壁垒，确保红外与RGB影像的时空一致性；同时需模拟真实办公环境下的光照变化和头部运动，以保持攻击样本的多样性与生态效度，这对数据采集协议的设计提出了极高要求。

常用场景

经典使用场景

在生物特征识别领域，该数据集典型应用于PC端网页实名认证场景下的活体检测算法训练与验证。研究人员通过其同步采集的红外与RGB双模态数据，构建能够区分真实人脸与纸质攻击模型的分类系统，尤其在模拟用户通过桌面摄像头完成金融开户或企业登录流程时，可有效还原光线变化、头部微动等真实交互条件。

衍生相关工作

基于该数据集衍生的经典研究包括多模态注意力融合网络、跨域泛化防御框架以及轻量化端侧活体检测模型。例如有工作利用其红外与RGB数据的互补性，提出动态特征对齐方法；另有研究通过提取纸质攻击的材质反射特性，构建了可解释性防御系统，为后续移动端活体检测标准制定提供了理论支撑。

数据集最近研究

最新研究方向

随着远程身份验证需求的激增，基于PC端的多模态活体检测技术成为生物识别领域的前沿热点。iBeta Level 1数据集通过同步红外与RGB双模态数据，为应对纸质面具、曲面打印等复杂攻击提供了重要研究基础。当前研究聚焦于多模态特征融合、跨域泛化能力提升及轻量化部署，尤其在金融远程开户、企业身份核验等场景中推动着ISO/IEC 30107-3标准合规化进程。该数据集通过模拟真实网页端交互环境，显著降低了活体检测算法在跨设备、跨光照条件下的性能衰减，为产业界构建鲁棒性认证体系提供了关键数据支撑。