Opencv 人脸识别，相同图像的不同结果

我正在做一个人脸识别项目。以下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（这将生成方形图像）
2.将图像转换为灰度
3.将图像大小调整为固定大小（50，50）

在此之后，我使用生成的图像来训练LBPH人脸识别器。从我的测试来看，识别器似乎返回了一个置信度，表示测试图像和训练集中另一图像之间的最佳匹配（如果我错了，请纠正我）。我试着用15幅图像训练模型，然后只用最匹配的图像训练模型，在这两种情况下我得到了相同的准确置信度

为了验证准确性，我尝试了以下方法：我拍摄了一张图像，用于训练。在gimp中手动剪切图像（面不受剪切影响）。我测试了原始图像相对于裁剪图像，只得到了42.48的置信度（范围似乎在0…100之间，结果是相同的图像0，所以我不确定是否有很大的信心，无论哪种方式42都在中间，所以信心不是很好）。我认为自信应该是非常好的，因为图像中的人脸是相同的

我在这里观察到两个问题：

经过预处理后，得到的两幅图像不一样。尽管图像中的面部完全相同，但经过预处理后，一张图像的面部裁剪比另一张图像多（你可以看到更多的下巴和前额）。差异不大，但可以观察到，即使在50x50的图像上也是如此。再次，我认为人脸检测的矩形应该是完全相同的。请告诉我我是否做错了什么，或者我是否可以以任何方式改进

识别器工作不太好，即使图像完全相同，但裁剪方式不同。在开始这个项目之前，我确实读过lbp的基本原理，我理解为什么它会有不同裁剪的图像的问题，但这是一个大问题，因为裁剪总是有不同的（例如，如果你张开嘴，你的脸会更大，所以裁剪会不同）。同样，如果你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，但我不确定如何改进

---

注意。这可能不重要，但我在Ubuntu机器上使用java和opencv。

50x50对于人脸识别来说有点小。我建议将其增加到100x100。此外，由于算法并不完美，裁剪可能不正确。当你在训练时，如果可能的话，进行各种各样的训练——眼睛睁开和闭上，嘴巴张开和闭上，轻微的角度，等等。多亏了，我把尺寸增加到200x200，我有了更好的效果，但这仍然不够