深度学习之用CelebA_Spoof数据集搭建一个活体检测-数据处理

最新推荐文章于 2025-05-15 16:50:01 发布

原创

最新推荐文章于 2025-05-15 16:50:01 发布 · 1.3k 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能

简介

CelebA-Spoof是一个大规模人脸防欺骗数据集，该数据集包含来自10,177个受试者的625,537张图像，包括人脸、光照、环境和欺骗类型等43个丰富的属性。有40个属性属于Live图像，包括皮肤、鼻子、眼睛、眉毛、嘴唇、头发、帽子、眼镜等所有面部成分和配件。3个属性属于恶搞图像，包括恶搞类型、环境和光照条件。如果要做人脸的活体检测，这个数据库是一个不错的选择。
下载地址有两个：
百度云：百度云下载(password: 61fd)
Google Drive:Google云盘

一、数据集准备与解压

CelebA_Spoof数据集有70多G，建议没有开会员的同学可以从Google Drive下载，下载好的文件是分批压缩的。共有74个压缩文件。

在这里插入图片描述

1. 数据集解压

数据集以压缩包形式提供， 7-Zip 分批解压所有编号为 001 到 074 的 zip 文件（见上图），需要提前安装 7-Zip，安装后用下面的步骤进行解压：
Windows：按下 Win + R，输入 cmd，然后按回车。
Linux/Mac：打开终端。
使用 cd 命令导航到存放 zip 文件的文件夹。

cd path\to\your\zipfiles

对于 Windows（命令提示符）：
运行以下命令：

for %i in (*.zip.*) do "C:\Program Files\7-Zip\7z.exe" x "%i" -o"output_folder" -y

如果 7-Zip 安装在其他路径，请将 C:\Program Files\7-Zip\7z.exe 替换为实际路径。
将 output_folder 替换为你希望解压文件存放的目标文件夹名称。
参数 -y 表示自动回答“是”以跳过提示。
对于 Linux/Mac（终端）：

for file in *.zip.*; do 7z x "$file" -ooutput_folder -y; done

将 output_folder 替换为目标文件夹名称。

解压后目录结构如下：

CelebA_Spoof/
├── Data/
│   ├── train/
│   │   ├── ID/
│   │   │   ├── live/       # 真实人脸图像
│   │   │   │   ├──xxx.png #原图
│   │   │   │   └──xxx_BB.txt #原图对应的人脸坐标与分数
│   │   │   └── spoof/      # 欺骗攻击图像
│   │   │   │   ├──xxx.png  #原图
│   │   │   │   └──xxx_BB.txt #原图对应的人脸坐标与分数
├── metas/
│   ├── intra_test/ #内部数据集基准，包含数据描述和 JSON 标签文件。
│   └── protocol1/ #包括训练/测试划分和 JSON 标签文件。
│   └── protocol2/ #包括不同设备质量（高、中、低）下的训练/测试划分和 JSON 标签文件。
├── README

二、数据处理与标注解析

值得注意的是，CelebA-Spoof 数据集不仅提供了活体/伪造（Live/Spoof）的标注，还进一步对伪造类型、光照条件和环境进行了详细的标注。这些丰富的注解有助于从多个角度全面研究面部反欺骗任务。提供的json标签文件中，包含了40中人脸属性（继承自CelebA数据集，涵盖了如性别、年龄、表情等多种属性）和3中与活体/反欺骗相关的属性：
伪造类型（Spoof Type）：定义了不同类型的伪造攻击。
光照条件（Illumination Condition）：描述了图像拍摄时的光照情况。
环境（Environment）：指出了图像拍摄的环境。
比如下面这两张图片以及对应的标签：

"Data/test/5284/live/494568.png": [
    [0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0],  # [0:39]: 人脸属性标签
    0,  # [40]: 伪造类型标签（Spoof Type） -> Live（活体）
    0,  # [41]: 光照条件标签（Illumination Condition） -> Live（活体）
    0,  # [42]: 环境标签（Environment） -> Live（活体）
    0   # [43]: 活体/伪造标签 -> Live（活体）
]
"Data/test/6336/spoof/494419.png": [
    [0, 0, 0,