Python 如何对数据集中每个人的图像进行聚类？

我有一个目录，其中包含许多不同面孔的图像，这些图像由网络摄像头捕获。 每个人的脸在一段时间内被捕捉10-20次（例如：人物形象：img_01、img02、img19、img20；人物形象：img_03、img13、img14等）

我想对每个人的所有图像进行聚类，并将其分组为一组，这样我就有了与人数一样多的聚类。（例如：如果目录中有10张人脸和50张图像，那么我应该得到10个聚类，或者算作10个）。我可以采用什么方法对同一个人的图像进行分组。我正在研究Python。请在这方面帮助我

---

这就是我的文件夹的外观->单击1查看屏幕截图您可以使用一种称为k-means的技术。这将获取一个数据集，并将其分为$k$个不同的集群。如果你知道你有10个人，你可以将$k$设置为10

但是，你需要考虑一个图像是非常高的维度。您需要找到一种方法，通过特征提取来减少此集合。这可以通过几种不同的方式实现。如果您使用的是openCV，那么您可以直接获得人的鼻子和眼睛的距离，以及所有这些。这些可以是很好的标识符度量。否则，我建议您构建一种类型的自动编码器，然后使用压缩集作为k-means算法的特征

---

检测面部特征 OpenCV有很多功能，可以完成大量的面部检测工作。我建议使用中介绍的以下技术。这将检测鼻子、眼睛和面部形状。从这些点，您可以计算一些指标。我建议使用几个不同的比率

眼睛之间的距离：从鼻子到眼睛的距离

眼角之间的距离：嘴角之间的距离

你可以继续发挥创造力，获得更多的指标

获取数据集 然后，您将构建一个数据集，其中的行是每个单独的图片。然后，每列将代表一个特征。这将是您使用图像计算的这些比率

对数据集应用k-means

---

然后，您可以使用k-means的sklearn包，它有一个示例代码

能否请您详细介绍一下自动编码器和压缩集的功能？您的数据当前是什么样子的？只是图片？我已经添加了我的数据截图的链接。我做了编辑，添加了更多信息。