我有一个目录，其中包含许多由网络摄像头捕获的不同面孔的图像。 每个人的面部在一段时间内被捕获 10-20 次（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分组为一个，这样我就有与人数一样多的聚类。（例如：如果有 10 个人脸和 50 张图像在目录中，那么我应该得到 10 个集群或算作 10）。我可以按照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。
这是我的文件夹的样子->点击1查看截图1
【问题讨论】：
您可以使用一种称为 k-means 的技术。这将获取一个数据集并将其聚类到 $k$ 不同的集群中。如果你知道你有 10 个人，你可以将 $k$ 设置为 10。
但是，您需要考虑到图像的维度非常高。您将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来完成。如果您使用的是openCV，那么您可以直接获得人鼻子和眼睛的距离，等等。这些可能是很好的标识符指标。否则，我建议您构建一种自动编码器，然后将压缩集用作您的 k-means 算法的特征。
OpenCV 有很多功能可以做大量的面部检测工作。我建议使用this tutorial 中介绍的以下技术。这将检测鼻子、眼睛和脸型。然后，您可以从这些点计算一些指标。我建议使用几个不同的比率
您可以不断发挥创意并获得更多指标。
然后您将构建一个数据集，其中行是每张单独的图片。然后每一列将代表一个特征。这将是您使用图像计算的这些比率。
然后你可以使用 k-means 的 sklearn 包，它有一个示例代码 here。
【讨论】：