CASIA_SURF

CASIA_SURF数据集用于人脸反欺骗检测，包含训练、验证和测试集，每个集都包含真实和伪造的图像和视频。

The CASIA_SURF dataset is designed for face anti-spoofing detection. It consists of training, validation, and test sets, each of which contains both genuine and spoofed images and videos.

原始信息汇总

CASIA-FAS-Benchmark 数据集概述

CASIA-FAS-Benchmark 是一个包含多个面部反欺骗（Face Anti-Spoofing, FAS）数据集的集合，旨在为研究人员提供统一的基准测试环境。该数据集集合包括以下子数据集：

数据集列表

• CASIA_SURF
• CASIA_CeFA
• CASIA_HiFiMask
• CASIA_SuHiFiMask
• UniAttackData

数据集结构

所有数据集建议放置在同一个文件夹下（如 $DATA），文件结构如下：

$DATA/ |–– CASIA_SURF/
|–– CASIA_CeFA/
|–– CASIA_HiFiMask/
|–– CASIA_SuHiFiMask/
|–– UniAttackData/

数据集详细说明

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

• 数据来源：可以从 官方网站 下载。

• 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

• 数据来源：可以从 官方网站 下载。

• 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

• 数据来源：可以从 官方网站 下载。

• 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

• 数据来源：可以从 官方网站 下载。

• 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

• 数据来源：可以从 官方网站 下载。

引用

如果该数据集对您的研究有帮助，请在您的出版物中引用以下论文：

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_SURF数据集的构建基于大规模的多模态数据采集，涵盖了真实人脸和伪造人脸的图像与视频。数据集分为训练集、验证集和测试集，每个集合均包含真实和伪造两部分。具体而言，训练集包含300个真实和300个伪造文件夹，验证集包含100个真实和100个伪造文件夹，测试集则包含600个真实和600个伪造文件夹。此外，数据集还提供了详细的协议文件，记录了每个图像和视频的路径及其对应的标签，确保了数据集的结构化和标准化。

特点

CASIA_SURF数据集的显著特点在于其多模态数据的丰富性和结构的严谨性。该数据集不仅包含了大量的图像和视频数据，还通过详细的协议文件确保了数据的可追溯性和一致性。此外，数据集的多样化内容，包括不同类型的伪造手段，使得其在人脸反欺骗研究中具有广泛的应用价值。通过提供固定训练/验证/测试协议，CASIA_SURF为研究者提供了一个公平且可重复的实验平台。

使用方法

使用CASIA_SURF数据集时，用户首先需要从官方网站下载数据集，并按照指定的文件结构进行解压和组织。数据集的文件结构清晰，包含训练、验证和测试集的图像和视频数据，以及相应的协议文件。用户可以根据协议文件中的路径和标签信息，轻松地加载和处理数据。此外，数据集支持符号链接的创建，以便用户在不重复下载的情况下使用已有的数据集。通过遵循这些步骤，用户可以高效地利用CASIA_SURF数据集进行人脸反欺骗相关的研究和开发。

背景与挑战

背景概述

CASIA_SURF数据集是由中国科学院自动化研究所（CASIA）的研究团队于2019年创建，旨在推动人脸反欺骗（Face Anti-Spoofing）领域的研究。该数据集通过多模态数据（包括图像和视频）的收集与标注，为研究人员提供了一个大规模、多样化的基准，用于评估和开发针对人脸欺骗攻击的检测算法。CASIA_SURF的核心研究问题是如何在多模态数据中有效识别真实人脸与伪造人脸，其影响力在于为该领域的研究提供了标准化的测试平台，促进了跨模态和跨领域的技术交流与创新。

当前挑战

CASIA_SURF数据集在构建过程中面临了多重挑战。首先，数据集的多样性和规模要求研究人员在数据采集和标注过程中确保高质量和一致性，尤其是在处理多模态数据时，如何统一不同模态的特征表示是一个技术难点。其次，人脸反欺骗领域的快速发展带来了新的攻击手段，如何及时更新数据集以应对这些新威胁，保持其前沿性和实用性，是该数据集面临的持续挑战。此外，数据集的公平使用和可重复性也是研究者关注的重点，确保不同研究团队在相同协议下进行实验，以促进公平比较和技术的稳健发展。

常用场景

经典使用场景

CASIA_SURF数据集在人脸反欺骗领域中具有经典的使用场景，主要用于训练和评估多模态人脸反欺骗检测算法。该数据集包含了丰富的真实和伪造人脸图像及视频，涵盖了多种攻击类型，如打印攻击、视频回放攻击等。通过结合图像和视频的多模态信息，研究人员可以开发出更为鲁棒的反欺骗模型，有效提升系统的识别准确率和泛化能力。

衍生相关工作

CASIA_SURF数据集的发布催生了一系列相关的经典工作，尤其是在多模态学习和人脸反欺骗领域。许多研究者基于该数据集提出了新的算法和模型，如多模态特征融合网络、跨模态对比学习等。此外，CASIA_SURF还激发了对跨种族和跨文化人脸反欺骗的研究，推动了全球范围内人脸识别技术的标准化和统一化。

数据集最近研究

最新研究方向

在人脸反欺骗领域，CASIA_SURF数据集的研究方向主要集中在多模态融合与跨种族识别的挑战上。随着深度学习技术的进步，研究者们致力于开发能够有效识别不同种族和复杂攻击手段的算法。特别是，CASIA_SURF通过提供多模态数据（如图像和视频），为研究者提供了丰富的资源，以探索如何结合视觉和行为特征来提升反欺骗系统的鲁棒性。此外，该数据集还推动了对高保真面具攻击的检测研究，这在安全领域具有重要的应用价值，尤其是在身份验证和监控系统中。通过这些前沿研究，CASIA_SURF不仅促进了学术界的技术创新，也为工业界的实际应用提供了理论支持。