Whiterocket/passport-photo-specs

这是一个规范化的护照、签证和身份证件照片规格数据集，基于超过15个官方政府来源验证，涵盖100个国家和248种文档格式，采用MIT许可。该数据集是idphotosnap.com（一个免费的浏览器端护照和签证照片制作工具）的基础数据，发布于此以便任何人可以在此基础上进行开发。Canonical passport, visa, and ID document photo specifications, validated against 15+ official government sources. 100 countries, 248 document formats. MIT licensed. The same dataset that powers idphotosnap.com — a free browser-only passport and visa photo maker. Published here so anyone can build on top of it.

搜集汇总

数据集介绍

构建方式

该数据集由IDPhotoSnap团队在整理全球护照、签证及身份证件照片规格时构建，所有数据均经过美国国务院、英国内政部、德国联邦印刷局等15个以上官方政府来源的交叉验证。每条记录代表一个国家与证件类型的配对，包含物理尺寸（毫米与像素）、DPI、背景色描述与色值、面部覆盖与表情等合规要求、以及指向官方来源的引用URL。数据集涵盖276种证件格式，覆盖100多个国家，包括全部26个申根国、英美澳新等英语国家、印巴孟等南亚国家、中日韩等东亚与东南亚国家、海湾与北非国家、撒哈拉以南非洲及拉美主要国家，并针对特定数字签证门户（如DS-160、沙特Enjaz）的文件大小限制进行标注。

特点

该数据集的核心特色在于其权威性与全面性。所有规格均直接源自各签发机关的官方文件，并内联提供源URL以供核验，确保了科学研究的可追溯性。数据不仅遵循ICAO 9303国际基准，还融入了各国数字门户特有的文件大小约束（如印度Sarathi的20-50KB窗口），这些差异是导致在线签证申请被拒的常见原因。此外，数据集以MIT许可证发布，允许商业与学术免费使用，并配套提供MCP服务器，使AI代理能够通过标准化接口实时查询签证照片规格，实现了从静态数据到智能体可调用工具的跨越。

使用方法

研究人员与开发者可通过Hugging Face的`datasets`库直接加载该数据集，例如使用`load_dataset("Whiterocket/passport-photo-specs", split="train")`获取全部记录，并利用`filter`方法按尺寸或国家等条件筛选特定证件格式（如申根签证35×45毫米规格）。该数据集同时以npm、PyPI及crates.io等包管理工具分发，便于集成至不同技术栈的应用中。对于AI代理场景，可通过JSON-RPC 2.0协议的MCP服务器调用`get_visa_photo_spec`等只读工具，实现签证照片规格的实时咨询，适用于政府合规工具、生物特征照片验证器、旅行与移民软件及面部检测系统的训练数据等场景。

背景与挑战

背景概述

护照与签证照片规范作为国际旅行与身份识别系统中的关键数据标准，其精确性直接影响生物识别技术的可靠性及边境管理效率。由独立开发者whitetirocket于2026年创建并发布于Zenodo平台的passport-photo-specs数据集，系统性地收录了覆盖100余个国家、276种证件格式的官方照片规格，数据源经美国国务院、英国内政部等15个以上政府机构验证。该数据集以MIT许可协议开放，旨在为合规性工具开发、AI代理服务及学术研究提供权威基准，其配套的IDPhotoSnap服务已在浏览器端实现无需上传的隐私保护型照片处理，成为数字身份领域基础设施级数据集。

当前挑战

该数据集所应对的核心领域挑战在于，各国签证与身份证件照片标准在物理尺寸、像素密度、背景颜色及头部占比等维度存在显著差异，且申请门户常施加额外的文件大小限制（如DS-160系统的240KB上限），导致照片因单点参数不符而遭拒签，这一零容忍的合规要求对自动验证系统构成高度复杂性。在构建过程中，挑战集中体现为官方规范的碎片化与动态更新：许多政府机构仅以PDF格式散落发布标准，且缺乏统一发布日期，需持续追踪15个以上信源并交叉比对ICAO 9303国际基准，同时处理特定门户（如沙特Enjaz、中国COVA）的嵌套约束，使数据维护面临高昂的人工校验成本。

常用场景

经典使用场景

该数据集汇集了全球超过100个国家和地区的护照、签证及身份证件照片的规范化技术参数，涵盖276种文档格式。其经典使用场景在于为计算机视觉与生物特征识别系统提供标准化的合规性校验基础。开发者可依据该数据集中的物理尺寸、像素分辨率、背景颜色阈值以及面部覆盖率约束，构建自动化的证件照片验证管线。例如，通过调用数据集中的字段，算法能够精确判断上传照片是否满足特定签发国的官方要求，避免因尺寸或背景不符而导致的申请拒驳。这一能力在数字身份验证、入境管理系统及自助拍照终端中具有不可替代的基础作用。

解决学术问题

在学术研究层面，该数据集解决了跨司法管辖区生物特征照片标准比对这一长期困扰研究者的难题。过去，学者们需要逐一查阅各国政府发布的分散文档，数据不一致且难以复现。该数据集经过系统性整理与交叉验证，提供了可编程访问的结构化知识库，使得比较分析ICAO 9303国际标准与各国差异条款成为可能。它支持研究者探索照片规格对生物特征识别算法性能的影响，揭示背景颜色、面部占比及分辨率阈值如何影响特征提取精度。这一贡献显著降低了跨国签证照片合规性研究的数据获取成本。

衍生相关工作

围绕该数据集已衍生出一系列具有影响力的相关工作。首先，基于其结构化规格，研究者开发了自动化证件照片裁剪与背景替换工具，这些工具在保持合规性的前提下，利用计算机视觉算法实现了精确的面部定位和背景色替换。其次，构建了针对不同国家签证门户的专用校验模块，如DS-160的大小限制和沙特Enjaz的文件约束，这些模块直接减少了数字签证申请中的静默拒绝问题。此外，该数据集还被用作AI/ML训练基准，为新一代无AI修饰的合规照片生成系统提供了评判标准。这些衍生工作共同推动了身份验证技术走向更精准、更便捷的发展方向。