数据集（casia，msu，replay，oulu）的详细信息

1.casia

总共有50个subject
其中30个作为test，20个作为train
每个subject总共有12个视频（故总共600个视频），其中3个为真，剩余9个为假
具体来说：
前缀为1，2，HR_1的视频为real faces
剩余的视频则为attack faces
总结：

2.msu-mfsd

总共有35个subject
人物标号从1到55（其中有些标号没有，即标号不连续，所以是35个）
其中01，13， 14， 23， 24 ，26， 28 ，29 ，30， 32， 33，35，36，37，39，42，48，49，50，51共20个对象作为test，剩余的15个作为train

对于每个对象，总共有2个真视频和6个假视频
所以总共就是35x8=280个视频
总结：

1. train：15x8=120个视频，test：20x8=160个视频
2. real：35x2=70个视频，attack：35x6=210个视频
3. total：280个视频

3.replay

总共有50个subjects
每个subject有20个attack和4个real
enroll里面有100个视频（enroll中好像是复用real视频）
train，devel，test里面有1200个视频（我们只需要考虑这1200个）
分别对应的人数是15，15，20（也是人物标号不连续的那种）
总共就是1300个视频（enroll视频用不上，所以可以看成1200个视频）
这么多视频分成了四个子数据集
train，test，devel, enroll
The 1300 real-accesses and attacks videos were then divided in the following
way:

• Training set: contains 60 real-accesses and 300 attacks under
  different lighting conditions;

• Development set: contains 60 real-accesses and 300 attacks under
  different lighting conditions;

• Test set: contains 80 real-accesses and 400 attacks under
  different lighting conditions;

• Enrollment set: contains 100 real-accesses under different
  lighting conditions, to be used exclusively for studying the baseline
  performance of face recognition systems.

总结：

1. train：15x24=360个视频，devel:15x24=360个视频，test:20x24=480个视频
2. real：50x4=200个视频，attack：50x20=1000个视频
3. total：视频

4.oulu

总共有55个subject
20个train，15个devel，20个test
每个subject有18个真视频，72个假视频
总共4950个视频
总结：

1. train：20x90=1800个视频，devel：15x90=1350个视频，test：20x90=1800个视频
2. real：55x18=990个视频，attack：55x72=3960个视频
3. total：4950个视频