1. 如何獲得國外的人臉資料庫
這個很容易的，你可以搜索LFW、FDDB人臉數據集，就可以搜到的。
下面這個是下載鏈接：網頁鏈接
希望能幫助到你，望採納。
2. 人臉識別
什麼是人臉識別
人臉識別，特指利用分析比較人臉視覺特徵信息進行身份鑒別的計算機技術。
人臉識別概述
廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像採集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。
人臉識別是一項熱門的計算機技術研究領域，它屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。生物特徵識別技術所研究的生物特徵包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別（用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬於生物特徵識別技術）、體形識別、鍵盤敲擊識別、簽字識別等。
人臉識別的優勢
人臉識別的優勢在於其自然性和不被被測個體察覺的特點。
所謂自然性，是指該識別方式同人類（甚至其他生物）進行個體識別時所利用的生物特徵相同。例如人臉識別，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的識別還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物並不通過此類生物特徵區別個體。
不被察覺的特點對於一種識別方法也很重要，這會使該識別方法不令人反感，並且因為不容易引起人的注意而不容易被欺騙。人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同於指紋識別或者虹膜識別，需要利用電子壓力感測器採集指紋，或者利用紅外線採集虹膜圖像，這些特殊的採集方式很容易被人察覺，從而更有可能被偽裝欺騙。
人臉識別的困難
雖然人臉識別有很多其他識別無法比擬的優點，但是它本身也存在許多困難。人臉識別被認為是生物特徵識別領域甚至人工智慧領域最困難的研究課題之一。人臉識別的困難主要是人臉作為生物特徵的特點所帶來的。人臉在視覺上的特點是：
第一，不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點對於利用人臉進行定位是有利的，但是對於利用人臉區分人類個體是不利的；
第二，人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件（例如白天和夜晚，室內和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭發、胡須等）、年齡等多方面因素的影響。
在人臉識別中，第一類的變化是應該放大而作為區分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。通常稱第一類變化為類間變化（inter-class difference），而稱第二類變化為類內變化（intra-class difference）。對於人臉，類內變化往往大於類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。
人臉識別的技術細節
一般來說，人臉識別系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識別（身份確認或者身份查找）。系統輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉資料庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。
人臉識別的演算法種類
基於人臉部件的多特徵識別演算法(MMP-PCA recognition algorithms)。
基於人臉特徵點的識別演算法（Feature-based recognition algorithms）。
基於整幅人臉圖像的識別演算法（Appearance-based recognition algorithms）。
基於模板的識別演算法（Template-based recognition algorithms）。
利用神經網路進行識別的演算法（Recognition algorithms using neural network）。
人臉識別的應用
人臉識別的應用主要有：
·公安刑偵破案：通過查詢目標人像數據尋找資料庫中是否存在重點人口基本信息。例如在機場或車站安裝系統以抓捕在逃案犯。
·門禁系統：受安全保護的地區可以通過人臉識別辨識試圖進入者的身份。
·攝像監視系統：例如在機場、體育場、超級市場等公共場所對人群進行監視，以達到身份識別的目的。例如在機場安裝監視系統以防止恐怖分子登機。
·網路應用：利用人臉識別輔助信用卡網路支付，以防止非信用卡的擁有者使用信用卡等。
人臉識別軟體
人臉識別軟體順應當前的要求，慢慢走上了歷史的舞台。KnowU (基於視頻的人臉識別系統), 是當前不多的人臉識別軟體中具有代表性的一款，它是由個人開發編寫的，並且隨著版本的升級，逐漸具有了商業開發的色彩，在網上已經免費發布試用了。
人臉識別系統
臉識別系統以人臉識別技術為核心，是一項新興的生物識別技術，是當今國際科技領域攻關的高精尖技術。人臉因具有不可復制、採集方便、不需要被拍者的配合而深受歡迎。人臉識別系統具有廣泛的應用：人臉識別出入管理系統、人臉識別門禁考勤系統、 人臉識別監控管理、人臉識別電腦安全防範、人臉識別照片搜索、人臉識別來防登記等等。
3. 求下載過cacd2000數據集，Adience數據集和IMDB-WIKI數據集的大神能分享到我的郵箱，不勝感激！！
公開人臉數據集
本頁面收集到目前為止可以下載到的人臉資料庫，可用於訓練人臉深度學習模型。
人臉識別
資料庫
描述
用途
獲取方法
WebFace 10k+人，約500K張圖片 非限制場景 鏈接
FaceScrub 530人，約100k張圖片 非限制場景 鏈接
YouTube Face 1,595個人 3,425段視頻 非限制場景、視頻 鏈接
LFW 5k+人臉，超過10K張圖片 標準的人臉識別數據集 鏈接
MultiPIE 337個人的不同姿態、表情、光照的人臉圖像，共750k+人臉圖像 限制場景人臉識別 鏈接 需購買
MegaFace 690k不同的人的1000k人臉圖像 新的人臉識別評測集合 鏈接
IJB-A 人臉識別，人臉檢測 鏈接
CAS-PEAL 1040個人的30k+張人臉圖像，主要包含姿態、表情、光照變化 限制場景下人臉識別 鏈接
Pubfig 200個人的58k+人臉圖像 非限制場景下的人臉識別 鏈接
人臉檢測
資料庫
描述
用途
獲取方法
FDDB 2845張圖片中的5171張臉 標准人臉檢測評測集 鏈接
IJB-A 人臉識別，人臉檢測 鏈接
Caltech10k Web Faces 10k+人臉，提供雙眼和嘴巴的坐標位置 人臉點檢測 鏈接
人臉表情
資料庫
描述
用途
獲取方法
CK+ 137個人的不同人臉表情視頻幀 正面人臉表情識別 鏈接
人臉年齡
資料庫
描述
用途
獲取方法
IMDB-WIKI 包含：IMDb中20k+個名人的460k+張圖片 和維基網路62k+張圖片, 總共： 523k+張圖片 名人年齡、性別 鏈接
Adience 包含2k+個人的26k+張人臉圖像 人臉性別，人臉年齡段(8組) 鏈接
CACD2000 2k名人160k張人臉圖片 人臉年齡 鏈接
人臉性別
資料庫
描述
用途
獲取方法
IMDB-WIKI 包含：IMDb中20k+個名人的460k+張圖片 和維基網路62k+張圖片, 總共： 523k+張圖片 名人年齡、性別 鏈接
Adience 包含2k+個人的26k+張人臉圖像 人臉性別，人臉年齡段(8組) 鏈接
人臉關鍵點檢測
資料庫
描述
用途
獲取方法
資料庫 描述 用途 獲取方法
人臉其它
資料庫
描述
用途
獲取方法
CeleBrayA 200k張人臉圖像40多種人臉屬性 人臉屬性識別 獲取方法
GitHub：DeepFace
4. 能在哪裡下到FREY人臉資料庫呢
thinkface人臉識別論壇分享了很多這類資料庫,你可以去看看
5. 誰能幫我介紹一下ORL人連資料庫急用，謝謝！
1.FERET人臉資料庫 -
由FERET項目創建,包含1萬多張多姿態和光照的人臉圖像,是人臉識別領域應用最廣泛的人臉資料庫之一.其中的多數人是西方人,每個人所包含的人臉圖像的變化比較單一
2.CMU-PIE人臉資料庫
由美國卡耐基梅隆大學創建,包含68位志願者的41,368張多姿態,光照和表情的面部圖像.其中的姿態和光照變化圖像也是在嚴格控制的條件下採集的,目前已經逐漸成為人臉識別領域的一個重要的測試集合
3.YALE人臉資料庫
由耶魯大學計算視覺與控制中心創建,包含15位志願者的165張圖片,包含光照,表情和姿態
的變化.
4. YALE人臉資料庫B
包含了10個人的5,850幅多姿態,多光照的圖像.其中的姿態和光照變化的圖像都是在嚴格控制的條件下採集的,主要用於光照和姿態問題的建模與分析.由於採集人數較少,該資料庫的進一步應用受到了比較大的限制
5. MIT人臉資料庫
由麻省理工大學媒體實驗室創建,包含16位志願者的2,592張不同姿態,光照和大小的面部圖像.
6. ORL人臉資料庫
由劍橋大學AT&T實驗室創建,包含40人共400張面部圖像,部分志願者的圖像包括了姿態,
表情和面部飾物的變化.該人臉庫在人臉識別研究的早期經常被人們採用,但由於變化模式較少,多數系統的識別率均可以達到90%以上,因此進一步利用的價值已經不大.
7. BioID人臉資料庫
包含在各種光照和復雜背景下的1521張灰度面部圖像，眼睛位置已經被手工標注
6. 人臉識別常用的人臉資料庫有哪些
給你提供幾個線索，數據都可以去數據堂下載。
1.FERET人臉資料庫 -
由FERET項目創建,包含1萬多張多姿態和光照的人臉圖像,是人臉識別領域應用最廣泛的人臉資料庫之一.其中的多數人是西方人,每個人所包含的人臉圖像的變化比較單一
2.CMU-PIE人臉資料庫
由美國卡耐基梅隆大學創建,包含68位志願者的41,368張多姿態,光照和表情的面部圖像.其中的姿態和光照變化圖像也是在嚴格控制的條件下採集的,目前已經逐漸成為人臉識別領域的一個重要的測試集合
3.YALE人臉資料庫
由耶魯大學計算視覺與控制中心創建,包含15位志願者的165張圖片,包含光照,表情和姿態
的變化.
4. YALE人臉資料庫B
包含了10個人的5,850幅多姿態,多光照的圖像.其中的姿態和光照變化的圖像都是在嚴格控制的條件下採集的,主要用於光照和姿態問題的建模與分析.由於採集人數較少,該資料庫的進一步應用受到了比較大的限制
5. MIT人臉資料庫
由麻省理工大學媒體實驗室創建,包含16位志願者的2,592張不同姿態,光照和大小的面部圖像.
6. ORL人臉資料庫
由劍橋大學AT&T實驗室創建,包含40人共400張面部圖像,部分志願者的圖像包括了姿態,
表情和面部飾物的變化.該人臉庫在人臉識別研究的早期經常被人們採用,但由於變化模式較少,多數系統的識別率均可以達到90%以上,因此進一步利用的價值已經不大.
7. BioID人臉資料庫
包含在各種光照和復雜背景下的1521張灰度面部圖像，眼睛位置已經被手工標注。
7. 怎樣獲得三維人臉資料庫
有的 你的多找找
BJUT 三維人臉資料庫由北京科技大學提供的，我在網上見過，你去問度娘吧，還有你可以喝別人交換，
三維人臉資料庫問過的人非常多。你找一下相關的
8. 資料庫人臉是從哪一年開始的
2001年。人臉識別最早是應用於安防領域。後來陸續在各大領域開始了資料庫人臉識別。
人臉數據都去了哪兒？
早年，人臉識別還沒有進入到深度學習的階段，人臉數據收集還是打著隱私的烙印，研究人員需要獲得志願者同意，才能採集人臉數據納入到資料庫中。比如早期由耶魯大學計算視覺與控制中心創建的Yale人臉資料庫，只包含了15位志願者的165張圖片。
但是到了後期，尤其是深度學習技術的快速應用普及，幾百張志願者的人臉對於數據訓練來說只是杯水車薪，人臉數據的收集也開始走向不可控。