CASIA-SURF数据集下载与使用指南：从零开始的人脸活体检测实践

1次阅读

共计 2595 个字符，预计需要花费 7 分钟才能阅读完成。

CASIA-SURF 是当前人脸活体检测领域最具挑战性的多模态数据集之一，由中科院自动化所发布。它不仅包含传统的 RGB 图像，还同步采集了深度图和红外图，能有效应对照片翻拍、视频重放等常见攻击手段。数据集共包含 1000 个对象的 21,000 段视频，每段视频都标注了真假标签，特别适合研究跨模态融合的活体检测算法。

访问中科院自动化所生物识别与安全技术研究中心官网（建议使用 Chrome 浏览器）
在 ”Datasets” 栏目中找到 CASIA-SURF 的详情页
点击 ”Request Dataset” 按钮进入申请页面
填写机构邮箱（教育机构邮箱通过率更高）和简要研究说明
等待 1 - 3 个工作日收到包含下载链接的授权邮件
注意：下载压缩包约 85GB，建议准备 NTFS 格式的硬盘（FAT32 不支持单文件超过 4GB）

解压后的目录结构如下：

CASIA-SURF/
├── Training/           # 训练集
│   ├── Client/        # 真实人脸样本
│   └── Imposter/      # 攻击样本
├── Val/               # 验证集
├── Test/              # 测试集
└── protocol.txt       # 官方数据划分协议

每个样本包含三个同步文件（示例）：

0001_1_1_1_rgb.jpg    # RGB 图像
0001_1_1_1_depth.png  # 深度图（16 位灰度）0001_1_1_1_ir.jpg     # 红外图像

使用 PyTorch 加载多模态数据的完整示例：

import torch
from torch.utils.data import Dataset
import cv2
import os

class SURFDataset(Dataset):
    """CASIA-SURF 数据加载器"""
    def __init__(self, root_dir, transform=None):
        self.root = root_dir
        self.samples = []
        self.transform = transform

        # 自动扫描数据目录
        for file in os.listdir(root_dir):
            if file.endswith('_rgb.jpg'):
                prefix = file[:-8]  # 去除后缀
                rgb_path = os.path.join(root_dir, f"{prefix}_rgb.jpg")
                depth_path = os.path.join(root_dir, f"{prefix}_depth.png")
                ir_path = os.path.join(root_dir, f"{prefix}_ir.jpg")

                # 根据文件名判断真实 / 攻击样本
                label = 0 if 'Client' in root_dir else 1
                self.samples.append((rgb_path, depth_path, ir_path, label))

    def __len__(self):
        return len(self.samples)

    def __getitem__(self, idx):
        rgb_path, depth_path, ir_path, label = self.samples[idx]

        # 使用 OpenCV 读取多模态数据
        rgb = cv2.cvtColor(cv2.imread(rgb_path), cv2.COLOR_BGR2RGB)
        depth = cv2.imread(depth_path, cv2.IMREAD_ANYDEPTH)
        ir = cv2.imread(ir_path, cv2.IMREAD_GRAYSCALE)

        # 数据预处理示例：归一化
        rgb = rgb.astype('float32') / 255.0
        depth = depth.astype('float32') / 65535.0  # 16 位深度图归一化
        ir = ir.astype('float32') / 255.0

        # 转换为 PyTorch 张量
        sample = {'rgb': torch.from_numpy(rgb).permute(2, 0, 1),
            'depth': torch.from_numpy(depth).unsqueeze(0),
            'ir': torch.from_numpy(ir).unsqueeze(0),
            'label': torch.tensor(label, dtype=torch.long)
        }

        if self.transform:
            sample = self.transform(sample)

        return sample

路径问题 ：Windows 系统下建议使用os.path.join() 构建路径，避免反斜杠转义问题
内存不足 ：批量加载时建议使用 Dataloader 的num_workers 参数启用多进程
数据校验：首次使用时建议运行以下校验脚本：

def check_integrity(root_dir):
    """检查数据完整性"""
    corrupt_files = []
    for root, _, files in os.walk(root_dir):
        for file in files:
            path = os.path.join(root, file)
            try:
                if file.endswith('.jpg') or file.endswith('.png'):
                    img = cv2.imread(path)
                    if img is None:
                        corrupt_files.append(path)
            except Exception as e:
                corrupt_files.append(f"{path}: {str(e)}")
    return corrupt_files