BioID人脸数据库简介

BioID人脸数据库
-----------------------
这个测试集的特点是图像的光照，背景，人脸大小有很大差异。


BioID人脸数据库的描述
--------------------------------------
这个数据集包含了1521幅分辨率为384x286像素的灰度图像。 每一幅图像来自于23个不同的测试人员的正面角度的人脸。为了便于做比较，这个数据集也包含了对人脸图像对应的手工标注的人眼位置文件。 图像以 "BioID_xxxx.pgm"的格式命名，其中xxxx代表当前图像的索引(从0开始)。类似的，形如"BioID_xxxx.eye"的文件包含了对应图像中眼睛的位置。


图像文件格式
-----------------
图像存储在单个便携灰度图(pgm)数据格式的文件中。pgm文件格式包含了一个数据头，后面跟着图像数据。
在这里， 头部包含了4行文本信息，具体如下: 


- 第一行描述了图像文件的格式(ASCII/二进制)。在这里，如果这个文本串是 "P5"，表示图像数据是以二进制的方式写入的。


- 第二行包含的图像宽度的文本信息。


- 第三行保存了图像高度的文本信息。


- 第四行包含了最大灰度值的文本信息(这里是255)。


头部之后是包含图像数据的数据块。 数据按列从顶端至底端存储，每个像素一个字节。


人眼位置文件格式
------------------------
人眼位置文件是文本文件，包含了一行注释，紧跟着一行是空间中的左眼的x，y坐标和右眼的x，y坐标。
注意我们指的左眼是那个志愿者的左眼。因此，当图像被摄像头采集时，左眼的位置在图像的右侧，相反也是如此。


人脸检测算法的评价
---------------------------------------

为了可以比较不同人脸算法本测试集上的质量，建议采用以下基于距离的质量度量方法：用你的算法估计出人眼的位置，计算到手工设置人眼位置点的绝对像素距离，这样就得到了两个距离值，选择较大的值并除以两个手工设置人眼位置点之间的绝对距离，这样就不会受人脸大小的影响。这里称这个距离为相对人眼距离，当为每幅图像据算出这个距离后，可以选择相对距离的分布函数来和别人的其他结果作比较。或者，建议如果相对距离小于等于0.25，那么人脸是正确找到的，这个数字的精度大概是图像中人眼宽度的一半。

检测率可以直接通过用正确找到的人脸数量除以测试集中所有人脸的数量计算得到。

含20个手工标记点的文件

---------------------------------------
对应1521幅图像，每一幅图像都对应了一个含有20个手工标记点的文件。标记点在文件中的含义如下:
  0 = right eye pupil
  1 = left eye pupil
  2 = right mouth corner
  3 = left mouth corner
  4 = outer end of right eye brow
  5 = inner end of right eye brow
  6 = inner end of left eye brow
  7 = outer end of left eye brow
  8 = right temple
  9 = outer corner of right eye
10 = inner corner of right eye
11 = inner corner of left eye
12 = outer corner of left eye
13 = left temple
14 = tip of nose
15 = right nostril
16 = left nostril
17 = centre point on outer edge of upper lip
18 = centre point on outer edge of lower lip
19 = tip of chin