我正在开展一个面部识别项目。这些是我使用的预处理步骤：
1.使用lbpcascade_frontalface.xml从原始图像裁剪面部（这将产生方形图像）
2.将图像转换为灰度
3.将图像调整为固定大小（50,50）
在此之后，我使用所得到的图像来训练LBPH脸部识别器。从我的测试中看来，识别器似乎返回一个置信度，表示测试图像与训练集中另一个图像之间的最佳匹配（如果我错了，请纠正我）。我尝试用15张图像训练模型，然后用最好的匹配图像训练它，我在两种情况下都有相同的信心。
为了验证我试过的准确性：我拍了一张图片，用它进行训练。在gimp中手动裁剪图像（面部不受裁剪影响）。我根据裁剪的图像测试了原始图像，只得到了42.48的置信度...（范围似乎在0..100之间，相同的图像给出了0.0的结果，所以我不确定它是否对有信心或不信任，无论哪种方式42都在中间，所以信心不是很好）。我认为，由于图像中的面部是相同的，所以信心应该非常好。
我在这里观察到两个问题：
预处理后，得到的2幅图像不一样。尽管图像中的脸部完全相同，但在预处理后，一张图像的脸部比另一张图像更多（您可以看到更多的下巴和额头）。即使在50x50的图像上，差异也不大，但可以观察到。再次，我认为面部检测的矩形应该完全相同。如果我做错了或者我能以任何方式改善这一点，请告诉我。
识别器效果不佳，即使图像完全相同但是裁剪的方式不同。在开始这个项目之前，我确实已经阅读了lbp的基本原理，并且我理解为什么它会出现不同裁剪的图像问题，但这是一个很大的问题，因为裁剪总会有差异（例如，如果你张开嘴，你的脸会变大，所以裁剪会有所不同）。再次，如果您对如何改进这一点有任何建议，请告诉我。
我使用“train”，“predict”和“detectMultiScale”方法的默认值。也许这是我可以改进的东西，但我不确定如何。
请注意。这可能并不重要，但我在Ubuntu机器上使用java和opencv。