6个常见的开源人脸数据库及其数据特征

图片形式：所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。 标注信息：此数据集下包含40个目录，每个目录下有10张图像，每个目录表示一个不同的人。每一个目录下的图像是在不同的时间、不同的光照、不同的面部表情（睁眼/闭眼，微笑/不微笑）和面部细节（戴眼镜/不戴眼镜）下采集的。所有的图像都是在较暗的均匀背景下拍摄的，拍摄的是正脸（有些带有略微的侧偏）。 创建目的：主要用于与剑桥大学工程系的语音、视觉和机器人小组合作进行的人脸识别项目。

图片形式：绝大部分为彩色图像，但也存在少许黑白人脸图片，每张图片的尺寸为250X250。 标注信息：每张图像都被标识出对应的人的名字。绝大部分人只有一张图片，但其中有1680人有两张或更多不同的照片在数据集中。LFW数据集提供的人脸图片均来源于生活中的自然场景，因此识别难度会增大，尤其因为多姿态、光照、表情、年龄、遮挡等因素影响，导致即使同一人的照片差别也很大。 创建目的：主要用来研究非受限情况下的人脸识别问题。

图片形式：大部分图像是彩色图，也有少部分是灰度图，尚未执行重新缩放或裁剪。 标注信息：每张人脸标注21个关键点，共380k个关键点，由于是手动标记，不可见的关键点不进行标注。AFLW数据集包括了各种姿态、表情、光照、种族等因素影响的图片，显示出各种各样的外观（例如，姿势，表情，种族，年龄，性别）以及常规成像和环境条件，捕获了各种各样的自然面部，不限于正面或接近正面的面孔。AFLW还提供了矩形框和椭圆框的脸部位置标注，其中椭圆框的标注方法与FDDB相同。另外还有从平均3D人脸重建提供的3D的人脸姿态角标注。 创建目的：创建AFLW数据库的动机是需要面部特征具有注释的大规模、多视图和真实世界的面部数据库。

图片形式：每张人脸图片尺寸为250x250像素。 标注信息：不同的人保存在不同的文件夹中，每个文件夹中的照片数量也不相同（最少12张，最多769张），大概人均图像46张。该数据集是通过半自动的方式从一个电影、电视明星内容展示的网站IMDb上爬取得到的，在某些个体的文件夹中可能有不属于该个体的照片，所以数据集需要进行清洗操作以剔除噪声。 创建目的：为了解决没有公开可用的大型面部数据集的问题，一般应用于复杂环境下的人脸识别。

图片形式：图片收集时既包括RGB 图也包括灰度图，每张图片的尺寸几乎近似于400x500。 标注信息：FG-NET通过扫描旧照片，采集了来自西方国家的不同对象在不同年龄时期的正面人脸图片，每个人有6~18 张人脸示例图片，平均约有12张图像，所有图像的年龄范围为0-69岁。由于人脸数据来源于旧照片的扫描，致使图像分辨率和清晰度都不稳定，并且图像背景、色调、光照强度上都存在很大差异。FG-NET是一个规模较小的人脸年龄数据集，其没有提供影响成人衰老时脸部外观的关键参数的数据元素，例如种族，性别，身高和体重。 创建目的：创建一个适合用于人脸年龄估计研究的数据库。

图片形式：CAS-PEAL数据库中的原图片为640x480像素，24位RGB色彩的BMP位图图像。为了方便图像的发布和共享，CAS-PEAL-R1 库中的图像全部在原图像的基础上进行了处理。图像大小被裁减到 360x480像素，并去除了颜色信息转换为灰度图像，图像格式为BMP位图格式 标注信息：每个人的姿势、表情、配饰和照明都不同。对于每个志愿者，设置9台平均间隔在水平半圆形架子上的相机，以便在一张照片中同时拍摄不同姿势（平视、抬头、低头）的图像。该数据集还考虑了3种距离，5种表情（笑、皱眉、惊讶、闭眼、张嘴），5种背景颜色（蓝、红、黑、白、黄），6种配件(3副眼镜，3顶帽子)，15种照明方向，还引入了时间跨度，每个志愿者距离第一次采集的图片有6个月的时间跨度。 创建目的：创建PEAL人脸数据库的目的包括:为全球FR界的研究者提供一个大规模的中文人脸数据库，用于训练和评估他们的算法；通过提供具有不同变化来源的大规模人脸图像，特别是姿态、表情、配饰和照明等，促进FR的发展；针对实际应用，特别是针对东方人，发展最先进的人脸识别技术。

如果感觉不错，那就给我点个赞吧(ノ￣▽￣)