如何在数据集中聚集每个人的图像？

Question

我有一个目录，其中包含许多由网络摄像头捕获的不同面部图像。 每个人的脸部被捕获10-20次并持续一段时间（例如：personA图像：img_01，img02，img19，img20; personB图像：img_03，img13，img14等）

我想对每个人的所有图像进行聚类，并将它们组合为一个，这样我就可以与人数一样多的聚类。（例如：如果有10个人脸和50个图像在目录中然后我应该得到10个簇或计为10）。我可以使用什么方法对同一个人的图像进行分组。我正在研究Python。请帮助我。

这就是我的文件夹的样子 - ＆gt;点击1查看屏幕截图1

Answer 1

您可以使用名为 k-means 的技术。这将采用数据集并将其聚类到$ k $不同的集群中。如果您知道有10个人，则可以将$ k $设置为10。

但是，您需要考虑图像的尺寸非常高。您需要找到一种通过特征提取来减少此集合的方法。这可以通过几种不同的方式完成。如果您正在使用openCV，那么您可以直接获取人鼻子和眼睛的距离，以及所有这些。这些可以是良好的标识符指标。否则，我建议您构建一种自动编码器，然后使用压缩集作为k-means算法的特征。

检测面部特征

OpenCV具有许多功能，可以完成一整套面部检测功能。我建议使用this tutorial中提供的以下技巧。这将检测鼻子，眼睛和脸部的形状。从这些点，您可以计算一些指标。我建议使用几种不同的比率

1. 眼睛之间的距离：从鼻子到眼睛的距离。
2. 眼角之间的距离：嘴角之间的距离

您可以继续发挥创意并获得更多指标。

获取数据集

然后，您将构建一个数据集，其中行是每个单独的图片。然后每列将代表一个功能。这将是您使用图像计算的这些比率。

将k-means应用于数据集

然后你可以使用k-means的sklearn包，它有一个示例代码here。