Выбор точек отбора проб LBP и радиуса для хороших черт лица

Question

Я пытаюсь сделать некоторые функции проектирования изображений на лице с использованием Python и OpenCV. Идея состоит в том, чтобы использовать эти возможности для обучения без присмотра, чтобы группировать изображения одного и того же человека вместе. Трубопровод выглядит следующим образом:

1. Выберите один из нескольких детекторов лица OpenCV (пара LBP и пара каскадов HAAR)
2. Используйте OpenCV для
   2.1. Сглаживание изображений с помощью гауссовой функции 5 на 5 для низкочастотной фильтрации для уменьшения шума
   2.2 Преобразование изображений в оттенки серого
   2.3 Извлечение изображений лица из картинок
   2.4 Изменение размеров граней до общей формы (например, 300 на 300)
3. Используйте scikit-image.feature.local_binary_pattern, чтобы получить локальные двоичные шаблоны граней
4. Используйте NumPy для создания гистограмм этих LBP
5. Используйте гистограммы в качестве функций для алгоритма необученного обучения NearestNeighbors scikit-learn, чтобы искать кластеры изображений, которые могут указывать на их принадлежность одному человеку

Проблема в том, что кластеризация не очень хорошо работает. Когда я смотрю на мои данные, сведенные к двум измерениям для визуализации, это даже не похоже на наличие каких-либо заметных кластеров, несмотря на то, что я знаю, что мои тестовые изображения содержат изображения нескольких разных людей.

Я подозреваю, что это связано с параметрами LBP scikit-изображения: количеством точек выборки и радиусом выборки. Я пытался поиграть с несколькими значениями для тех, кто надеялся увидеть хорошее разделение между изображениями разных людей, но пока что не очень повезло, смотрите результаты здесь. (Различные цвета обозначают разных людей для целей визуализации.) Так вот мой вопрос к посту:

Существует ли хорошая рубрика или правило для выбора количества точек отбора проб и радиуса отбора проб LBP, основываясь, возможно, на природе изображений или некоторых их свойствах? Если у вас есть другие идеи о том, как получить хорошие функции, пожалуйста, дайте мне знать.