新上传人体&人脸相关10个数据集，赶紧下载尝试吧！

平台的数据集版块，共有127个不同类别，不同应用的数据集。

本周在此基础上，又上新10种数据集，目前总共有137种。

---

人体姿态方面

（1）SPHERE 数据集

数据集图片：

数据集简介：
SPHERE 数据集的目的，是从视觉信息中评估人体运动的质量，用于运动科学中，从诊断和康复到运动优化的各种应用。
将观察到的运动与正常运动的模型进行比较，并自动评价偏离差距。
数据集数量：数据集为了分析受伤者上楼梯的步态质量，采集了6名健康测试者，17个训练序列，建立了正常运动模型，并从中提取了42个步态周期。
而受伤者的姿态，则由6个受伤者的13个正常步态序列组成。
数据集功能：姿态识别
数据集链接：点击查看

（2）ORGBD数据集

数据集图片：

数据集内容：Online RGBD Action数据集，是基于RGBD视频数据进行人的acciton（人-物体交互）识别。
人类行为分为七类：饮酒，饮食，使用笔记本电脑，阅读手机，打电话，看书，使用遥控器。
数据集数量：数据集中包含36个行为视频。
数据集功能：姿态识别、行为识别
数据集链接：点击查看

（3）ISR-UoL3D SocialActivity数据集

数据集图片：

数据集内容：ISR-UoL3D Social Activity数据集是两个主体之间的社交互动数据集。
该数据集由RGB图像和深度图像组成，以及由RGB-D传感器获取的跟踪骨骼数据（即关节3D坐标和旋转）组成。
它包括8个社交活动：握手，问候拥抱，帮助步行，帮助站起来，打架，推动，交谈，唤起注意力。在同一会话的动作中，每秒30帧，大约40到60秒。
数据集数量：数据集由10个会话组成，每个会话提供RGB-D图像和两个人进行的8种不同活动的骨骼轨迹。
每个会话都压缩在一个单独的文件中，该文件包含一个文件夹，该文件夹具有文本格式的骨架轨迹RGB（24位）和深度（8位和16位分辨率）图像。
数据集功能：姿态识别、行为识别
数据集链接：点击查看

人体REID方面

（1）COCAS数据集

数据集图片：

数据集内容：以往人员重识别中往往假设人物衣服不改变，但在现实场景中，人物是有可能在不同视频中穿着不同的。
为此，中科院深圳先进技术研究院、中科院大学、中科院微电子所的研究人员开发了一个大规模的衣服改变的ReID的数据集COCAS。
数据集数量：COCAS数据集总共包含来自5266人的62382幅人体图像。提供了针对每个人多张不同衣着的照片，每个人有5∼25幅图像和2∼3种不同衣着。
数据集功能：人体REID
数据集链接：点击查看

人头检测方面

（1）JHU-CROWD ++数据集

数据集图片：

数据集内容：JHU-CROWD ++数据集是一个大规模无约束人群计数数据集，与现有数据集相比，在各种不同的场景和环境条件下收集了人群的图片。
包括多张具有基于天气的降级和光照变化的图像，这使其成为一个非常具有挑战性的数据集。此外，数据集在图像级别和头部级别均包含丰富的注释。
多样的条件：密度变化，光照变化，不利的天气条件，例如雾，雨和雪。
数据集数量：JHU-CROWD ++数据集包含4372张图像和151万个标注信息。
数据集功能：人头检测
数据集链接：点击查看

人脸识别方面

（1）Glint360K数据集

数据集图片：

数据集内容：Glint360K是格灵深瞳开源，通过清理，合并和发布最大和最干净的面部识别数据集。
数据集数量：Glint360K数据集，包含360232个人的17091657张图片
数据集功能：人脸识别
数据集链接：点击查看

（2）Celebrity in Places数据集

数据集图片：

数据集内容：Celebrity in Places数据集包含不同类型场景，以及不同的名人。这些图像全部是使用Google图像搜索获得的，并通过人工注释进行了验证。
比如第一张图片的标签为：阿曼达●塞弗里德-机场航站楼
第二张图片的标签为：大卫●卡梅隆-宴会厅
数据集数量：数据集包含不同类型场景中约36k名人的图像。有4611位名人和16个地方参与其中。
数据集功能：人脸识别、场景分类
数据集链接：点击查看

年龄估计方面

（1）年龄估计MegaAge数据集

数据集图片：

数据集内容：MegaAge数据集是新的大规模面部年龄数据集
数据集数量：数据集由41,941张带有年龄后验分布的面孔组成。此外还提供仅包含亚洲人脸（40,000张人脸图像）的MegaAge-Asian数据集。
数据集功能：年龄估计
数据集链接：点击查看

人眼方面

（1）TEyeD人眼图像数据集

数据集图片：

数据集内容：在当今世界，基于图像的眼动追踪（eye tracking）变得越来越重要，这是因为人眼运动有可能变革我们与周围计算机系统交互的方式。
例如，人眼注视（gaze）信号连同人机交互的可能性，使得残疾人能够借助专门为其疾症设计的特殊设备来与环境进行交互。
在手术显微镜的应用场景中，外科医生必须进行多种控制行为，这时视觉信号可以用于自动对焦。
TEyeD数据集的图像均通过头戴式设备拍摄获取。具体而言，TEyeD 的创建过程中使用了七种不同的头戴式眼动追踪器，其中两个还结合了 VR 或 AR 设备。TEyeD 中的图像在不同的任务场景中获得，包括乘车、模拟飞行、户外体育运动以及日常室内活动。
数据集数量：
数据集中的人眼图像包括 2D 和 3D 特征点、语义分割、3D 眼球注释以及注视向量（gaze vector, GV）和眼动类型。
对瞳孔、虹膜和眼睑均提供了特征点和语义分割，视频长度从几分钟到几小时不等。TEyeD 数据集拥有 2000 多万张精心注释的人眼图像。
数据集功能：图像分割、关键点定位、视线估计
数据集链接：点击查看

（2）MPIIGaze数据集

数据集图片：

数据集内容：MPIIGaze数据集是一个人眼注视识别数据集，从各个参与者的笔记本电脑上进行采集获取。
在采集过程中，会运行软件，软件每10分钟自动要求参与者查看20个屏幕随机位置，每个位置有一个灰色圆圈，中间有白点。
采集过程中，要求参与者注视到这些点上，并在圆圈即将消失时，按空格键进行确认。这是为了确保参与者专注于任务，并准确地固定在预期的屏幕位置上。
数据集数量：MPIIGaze数据集从15位参与者处，收集了213659张图像。
数据集功能：视线估计
数据集链接：点击查看