问如何对脸进行预处理？

EN

我正在尝试写一个脸对齐器作为预处理步骤，然后再把我的脸输入神经网络。我(使用Python)通过dlib实现了Vahid Kazemi和Josephine Sullivan回归树集合来预测人脸地标性估计，发现了人脸的地标。我尝试了几种不同的转换，但都没有用。这是我的基本管道：

1. 在图像中查找人脸，并裁剪图像，使其只具有该脸： face_detector = dlib.get_frontal_face_detector() detected_face =face_detector(图像) w，h= 160 #，以便facenet可以将其用于detected_face中的face_rect：#第一次裁剪脸部左= face_rect.left()顶部= face_rect.top()右= face_rect.right()底部= face_rect.bottom() new_face_rect = dlib.rectangle(0，0，右左，右)，cropped_image =imagetop:底部，左:右，:.copy() #获取脸的姿势pose_landmarks = face_pose_predictor(cropped_image，new_face_rect)
2. 查找地标(get_landmark_points返回一个68x2数组 地标= get_landmark_points(pose_landmarks，N_LANDMARKS，dlib_point=False)
3. 定义一些src和dst点： top_of_nose = landmarks27 left_eye = landmarks36 right_eye = landmarks45 bottom_lip = landmarks57 src = top_of_nose，left_eye，right_eye，bottom_lip dst = [np.int(0.5 * w)，np.int(h/3)，\ np.int(0.3 * w)，np.int(h / 3)，\ np.int(0.7 * w)，np.int(h / 3)，np.int(h/3)，\ np.int(0.5 * w)，np.int(h * (2.0/3))]
4. 估计变换，并对其余的地标进行变换。 np.reshape(cv2.transform(np.expand_dims(landmarks，=cv2. transformed_crop =cv2. cv2.warpAffine(cropped_image，transform，(w，h)) #获取变换后的地标transformed_landmarks =cropped_image 1，\ transform)，(N_LANDMARKS，2).astype(np.float32)#添加边界点transformed_landmarks = np.append(transformed_landmarks，boundary_points，轴= 0)

以下是2幅图像的输入和输出：

​

虽然它是一种工作，但并不完美，因为虽然眼睛和嘴唇是相同的高度在这两张图像，他们的x位置是不同的。我想知道是否有什么方法来改进它，还是我使用了错误的技术？如果有人给我指明正确的方向，那会很有帮助的，谢谢！