人脸活体识别1：眨眼 张嘴 点头 摇头人脸数据集

目录

人脸活体识别1：眨眼 张嘴 点头 摇头人脸数据集

1. 前言

2. 人脸活体识别方法

（1）基于人脸动作的检测​​

（2）​​基于红外的活体识别​​

（3）基于深度的活体识别​​

3. 人脸动作说明

4. 数据集说明

（1）Face-Gesture-v1

（2）Face-Gesture-v2

（3）Face-Gesture-v3

（4）Face-Gesture-test

5. 数据集下载

6.人脸活体识别效果(Python/C++/Android) 

---

1. 前言

人脸活体识别技术是确保人脸识别系统安全性的关键，主要用于区分真实人脸与伪造攻击（如照片、视频、3D面具等）。本项目基于深度学习技术，构建了一套高鲁棒性的面部活体检测系统，可精准识别眨眼（闭眼）、张嘴、点头（低头）、摇头（侧脸）等生物特征动作，可有效防范照片、视频、3D面具等伪造攻击等多种场景，​​可应用于金融支付、远程身份核验（如银行开户）等场景。

项目分为数据集说明，识别模型训练，以及边缘侧C++/Android部署等多个章节，本篇主要分享人脸活体识别数据集

 【尊重原创，转载请注明出处】https://blog.csdn.net/guyuealian/article/details/148774036

---

更多人脸识别和活体识别文章，请参考：

1. 人脸活体识别1：眨眼 张嘴 点头 摇头人脸数据集
2. 人脸活体识别2：Pytorch实现人脸眨眼 张嘴 点头 摇头识别(含训练代码和数据集)
3. 人脸活体识别3：C/C++实现人脸眨眼 张嘴 点头 摇头识别(可实时检测)
4. 人脸活体识别4：Android实现人脸眨眼 张嘴 点头 摇头识别(可实时检测)
5. 人脸识别2：InsightFace实现人脸识别Face Recognition(含源码下载)
6. 人脸识别3：C/C++ InsightFace实现人脸识别Face Recognition(含源码)
7. 人脸识别4：Android InsightFace实现人脸识别Face Recognition(含源码)

     

---

2. 人脸活体识别方法

人脸活体识别的方法有很多，如基于人脸动作的活体识别​，基于红外的活体识别，基于深度的活体识别等等方法。

（1）基于人脸动作的检测​​

    要求用户配合完成随机指令动作（如眨眼、点头、张嘴、摇头等），通过计算机视觉算法（如光流法、关键点跟踪）分析动作的自然性和时序连贯性。

优点​​：实现简单，能有效抵御照片和静态视频攻击。​​

缺点​​：依赖用户配合，体验较差；可能被高仿动态视频（如Deepfake）欺骗。

（2）​​基于红外的活体识别​​

​​     利用红外摄像头捕捉人脸的红外反射特性或热辐射分布，如采用红外光谱分析​​，活体皮肤对特定波长红外光的吸收/反射模式与非活体不同。​​

优点​​：无需用户配合，可抵御照片、视频及部分3D面具攻击。

缺点​​：设备成本较高；受环境温度影响（如低温可能降低检测精度）。

（3）基于深度的活体识别​​

    通过3D深度摄像头（如结构光、ToF）获取人脸的三维几何信息（如鼻梁高度、曲面曲率），非活体（照片、屏幕）缺乏真实的深度结构。​​

优点​​：防御能力最强，可识别高级3D头套攻击。

​​缺点​​：硬件成本高，需专用3D传感器。

本项目实现方案是采用基于人脸动作的活体识别方法，即先采用通用的人脸检测模型，进行人脸检测定位人脸区域，然后按照一定规则裁剪人脸检测区域，再训练一个人脸活体识别分类器，完成人脸活体识别的任务。人脸动作主要包含：眨眼（闭眼）、张嘴、点头（低头）、摇头（侧脸）。

---

3. 人脸动作说明

项目对人脸图像进行人脸动作标注，人脸动作主要包含：眨眼（闭眼）、张嘴、点头（低头）、摇头（侧脸），标注工具：使用labelme或者AnyLabeling(推荐)进行图片标注，

---

4. 数据集说明

（1）Face-Gesture-v1

该数据集收集了国内明星人脸照片，总计包含200张不同个体的正面人脸图像。然后，通过数字人生成技术和人脸动作驱动技术（如SadTalker、Face2Face等算法模型），为每张基础人脸生成多张不同的人脸动作序列图片，包含眨眼（闭眼）、张嘴、点头（低头）、摇头（侧脸）的人脸照片，虽然人脸动作是通过数字人技术生成的，但人脸质量和人脸姿态表情跟实际人脸相差无几。总共40000+张人脸图片

所有图片均使用Labelme工具进行人工标注了人脸矩形框的区域和对应的label，标注数据格式即是Labelme的默认格式。

如果你想查看数据集的标注效果，可以直接使用Labelme工具打开图片文件夹，即可查看标注效果，你可以使用Labelme工具修改标注框和label。

（2）Face-Gesture-v2

该数据集是通过网络爬虫技术从百度谷歌等搜索引擎采集，并经过数据清洗流程筛选出的高质量证件照人脸照片，总计包含200张不同个体的正面免冠人脸图像。然后，通过数字人生成技术和人脸动作驱动技术（如SadTalker、Face2Face等算法模型），为每张基础人脸生成多张不同的人脸动作序列图片，包含眨眼（闭眼）、张嘴、点头（低头）、摇头（侧脸）的人脸照片，虽然人脸动作是通过数字人技术生成的，但人脸质量和人脸姿态表情跟实际人脸相差无几。总共有12000张人脸图片，作为训练集使用。所有图片均使用Labelme工具进行人工标注了人脸矩形框的区域和对应的label，标注数据格式即是Labelme的默认格式。

（3）Face-Gesture-v3

该数据集是项目单独收集的人脸动作图片（非数字人生成），包含眨眼（闭眼）、张嘴、点头（低头）、摇头（侧脸）的人脸照片。总共600+张人脸图片，作为训练集使用。所有图片均使用Labelme工具进行人工标注了人脸矩形框的区域和对应的label，标注数据格式即是Labelme的默认格式。

（4）Face-Gesture-test

与Face-Gesture-v1类似，通过数字人生成技术和人脸动作驱动技术生成人脸照片。总共2900+张人脸图片，作为测试集使用。所有图片均使用Labelme工具进行人工标注了人脸矩形框的区域和对应的label，标注数据格式即是Labelme的默认格式。

---

5. 数据集下载

如需下载项目数据，请WX关注【AI吃大瓜】，回复【活体识别】

项目资源内容包含：

• 人脸活体识别数据集：Face-Gesture-v1,训练数据集，总共40000+张人脸图片
• 人脸活体识别数据集：Face-Gesture-v2,训练数据集，总共12000+张人脸图片
• 人脸活体识别数据集：Face-Gesture-v3,训练数据集，总共600+张人脸图片
• 人脸活体识别数据集：Face-Gesture-test,测试数据集，总共2900+张人脸图片
• 人脸活体识别数据集所有图片都标注了：face和眨眼（闭眼）、张嘴、点头（低头）、摇头（侧脸）共5个标签，所有数据均采用Labelme格式，可直接使用Labelme工具打开和修改。

---

6.人脸活体识别效果(Python/C++/Android) 

  【Android APP Demo体验】https://download.csdn.net/download/guyuealian/91133467

下面是人体活体识别眨眼 张嘴 点头 摇头识别效果