3DMAD数据集的使用方法

本文主要是介绍3DMAD数据集的使用方法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1.介绍

3DMAD（3D Mask Attack Database）是一个用于面部假冒攻击检测的数据集，由欧洲联盟第七框架计划资助，由意大利PRA Lab和University of Sassari共同创建。3DMAD数据集在面部假冒攻击检测领域得到了广泛应用，它可以用于验证算法的鲁棒性和通用性，从而提高生物识别系统的安全性和可靠性。其数据集链接：http://www.idiap.ch/dataset/3dmad。当然，也有其他的方式可以获得，这里就不提了。

说明一下，这个数据集恶心的地方就是他的文件是HDF5格式，其提供的解码代码利用的是BOB库，该库只能在Mac系统或者linux系统下使用，不支持windows，而且他的代码只能一个一个解码HDF5文件，不能以一个文件夹为单位进行解码。作者画了一个上午和下午配置BoB库，最终失败。最后，无奈，只能自己写解码代码……（其他bloc也都是基于BOB库解析的，宝宝心里苦呀）

2.数据集目录

数据集的结构如图所示。

备注：其中前五个文件是我解压后的所得到的的，重要的是后面六个文件。

3.解析HDF5文件

最恶心的点就是他要解析HDF5文件。相比于其他数据集直接给出视频，他还要解析，……无语。

这里，本作者利用h5py库重新编写了一个解析代码，如果你的虚拟环境中没有h5py文件的话，可以利用conda install h5py或者pip install h5py来安装这个库。以下给出代码。

使用教程：利用命令行，输入convert.py -path [path] -e

其中，convert.py是这个代码所在的py文件的名称，这个应该不用细讲吧。

[path]是你要解析HDF5文件所在的文件夹，比如作者这边是“D:/3DMAD/seesion01/Data”

-e 是否要提取面部的关键点，不过作者偷懒，代码中是有的，但是没有调试过，需要读者自己调试一下。

例子：convert.py -path D:/3DMAD/seesion01/Data -e

import os
import numpy
import cv2
import argparse
import h5pyparser = argparse.ArgumentParser(description='Convert HDF5 files to videos for visualization purposes.')
parser.add_argument('-path', metavar='path', type=str,help='path to the directory containing HDF5 files to be converted')
parser.add_argument('-e', '--eyes', action='store_true', help='mark eye positions in the RGB video')
args = parser.parse_args()# List all HDF5 files in the given directory
hdf5_files = [os.path.join(args.path, f) for f in os.listdir(args.path) if f.endswith('.hdf5')]for hdf5_file in hdf5_files:try:# Read the data from HDF5 filef = h5py.File(hdf5_file, 'r')depth_data = f['Depth_Data'][:]depth_data = numpy.transpose(depth_data, (0, 2, 3, 1))color_data = f['Color_Data'][:]color_data = numpy.transpose(color_data, (0, 2, 3, 1))# if args.eyes:#     eye_pos = f['Eye_Pos'][:]#     for i in range(0, color_data.shape[0]):#         cv2.drawMarker(color_data[i, :, :, :], (int(eye_pos[i, 0]), int(eye_pos[i, 1])), (0, 0, 255), cv2.MARKER_CROSS, 20)#         cv2.drawMarker(color_data[i, :, :, :], (int(eye_pos[i, 2]), int(eye_pos[i, 3])), (0, 0, 255), cv2.MARKER_CROSS, 20)# Set up the output filenames and video writershead, tail = os.path.split(hdf5_file)depth_file = os.path.join(head, tail.split('.')[0] + '_D.avi')color_file = os.path.join(head, tail.split('.')[0] + '_C.avi')depth_video = cv2.VideoWriter(depth_file, cv2.VideoWriter_fourcc(*'XVID'), 30,(depth_data.shape[2], depth_data.shape[1]), False)color_video = cv2.VideoWriter(color_file, cv2.VideoWriter_fourcc(*'XVID'), 30,(color_data.shape[2], color_data.shape[1]), True)# Convert and write the frames to video filesfor i in range(0, color_data.shape[0]):# depth_frame = numpy.right_shift(depth_data[i, :, :], 3).astype(numpy.uint8)depth_frame = depth_data[i, :, :, :].astype(numpy.uint8)color_frame = color_data[i, :, :, :]# Write frames to video filesdepth_video.write(depth_frame)color_video.write(color_frame)# print(color_frame.shape)depth_video.release()color_video.release()print("Depth video is saved in %s." % depth_file)print("Color video is saved in %s." % color_file)f.close()except IOError:print("The given file cannot be read.")