一、使用opencv提供的工具进行训练时的错误处理

1、positives.txt(1) : parse errorDone. Created 0 samples

说明你的 正样本 路径写错了
正确格式：positive_images\1.jpg 1 0 0 20 20（路径+1+0+0+w+h）

2、注意：负样本直接写成路径即可，否则会出现后面错误：

Train dataset for temp stage can not be filled. Branch training terminated.
Cascade classifier can't be trained. Check the used training parameters.

3、运行：opencv_traincascade.exe时，注意添加-numPos 50（不一定为样本数，可能比样本数少，不然会出现以下错误） -numNeg 147（除非为默认样本数）

否则会出现以下错误：

OpenCV Error: Bad argument (Can not get new positive sample. 
The most possible reason is insufficient count of samples in given vec-file.) in CvCascadeImageReader::PosReader::get, 
file C:\build\master_winpack-build-win64-vc14\opencv\apps\traincascade\imagestorage.cpp, line 158

4、Bad argument (_cascadeDirName or _bgfileName or _vecFileName is NULL) in CvCascadeClassifier::train,

 file C:\build\master_winpack-build-win64-vc14\opencv\apps\traincascade\cascadeclassifier.cpp
输入格式不对：可能少了 -

5、OpenCV Error: Assertion failed (_img.rows * _img.cols == vecSize) in CvCascadeImageReader::PosReader

加上 -w 20 -h 20 就好了（你正样本的宽度和高度）

6、Parameters can not be written, because file xml/params.xml can not be opened

表示无法打开文件，需要手动创建一个文件夹 xml

7、Traincascade Error:Bad argument(Can not get new positive sample.The most possible reason is insufficient count of samples in given vec-file.

numPos 数量设置的太大了， 数量小于正样本数量就行；

8、运行 opencv_createsamples.exe 提示：无法定位程序输入点 _ZNSt18condition_variable10notify_oneEv

这种情况一般是 mingw 环境变量的配置问题导致的；因为我编译opencv的时候使用的 posix 模型的mingw版本，而我环境变量同时配置了 win32 和 posix 模型的mingw，因为win32的环境配置在上面，所以会优先使用win32的，

要解决也很简单，只需要将posix模型的mingw 和 win32 替换个位置，让posix模型的mingw配置在上面就可以解决问题； 或者也可以将win32的配置删掉，也能解决问题

改完后再运行 opencv_createsamples.exe 就没问题了

9、OpenCV Error: Assertion failed (!empty()) in detectMultiScale

OpenCV级联检测器Cascadedetect出现错误，可知是xml路径读取错误，不要直接写入相对路径，要改为xml文件所在的绝对路径即可！

二、使用 opencv 代码进行训练时的错误处理

10、Assertion failed (samples.type() == CV_32F || samples.type() == CV_32S) in setData

调用train()函数训练时提示报错如下

OpenCV: terminate handler is called! The last OpenCV error is:
OpenCV(3.4.16) Error: Assertion failed (samples.type() == CV_32F || samples.type() == CV_32S) in setData, file D:\cpp\opencv3.4.16_vc14\sources\modules\ml\src\data.cpp, line 257

这是因为Mat 格式不对造成的，必须将 mat对象转为 CV_32F 或者 CV_32S 才行, 在训练函数前加上以下代码即可，

//uchar型转换为 CV_32FC1
sampleTmp.convertTo(sampleTmp, CV_32FC1);
labelTmp.convertTo(labelTmp, CV_32FC1);

注意：训练样本数据矩阵(sampleTmp) 和 训练样本的标签矩阵(labelTmp) 都要转为 CV_32FC1，如果 训练样本的标签矩阵（labelTmp）未转换的话，会报以下错误

OpenCV: terminate handler is called! The last OpenCV error is:
OpenCV(3.4.16) Error: Assertion failed (responses.type() == CV_32F || responses.type() == CV_32S) in setData, file D:\cpp\opencv3.4.16_vc14\sources\modules\ml\src\data.cpp, line 290

11、Assertion failed ((layout == ROW_SAMPLE && responses.rows == nsamples) || (layout == COL_SAMPLE && responses.cols == nsamples)) in setData

调用opencv的训练函数train()时报错以下信息

OpenCV: terminate handler is called! The last OpenCV error is:
OpenCV(3.4.16) Error: Assertion failed ((layout == ROW_SAMPLE && responses.rows == nsamples) || (layout == COL_SAMPLE && responses.cols == nsamples)) in setData, file D:\cpp\opencv3.4.16_vc14\sources\modules\ml\src\data.cpp, line 296

这是因为调用train进行训练数据时，训练样本数据矩阵(sampleTmp) 和 训练样本的标签矩阵(labelTmp) 的行数不一致导致的，代码如下

cout << sampleTmp.size<< endl;
cout << labelTmp.size<< endl;
bp->train(sampleTmp, ml::ROW_SAMPLE, labelTmp);
// 以上代码输出结果如下 ，其中第一个数字是行数，第二个数字是列数
sampleTmp ：100000 x 20
labelTmp  ：5000 x 1

根据输出结果可以分析，sampleTmp 行数为 100000 行，而labelTmp 只有5000 行，这2个变量的行数明显不一致，那我们就要将这2个变量的行数转为一致即可；因为之前的图片是20 20的，一共有5000张图，`5000 20 = 100000`，所以，只需要将 sampleTmp 中20 20的图片转为 1(行) 400(列)即可；可以使用 reshape 函数进行修改，将 100000 20 转为 5000 400

//序列化，改变行数，将 100000 * 20 转为 5000 * 400， 序列化后放入特征矩阵
sampleTmp = sampleTmp.reshape(0, 5000);
cout <<"sampleTmp ："<< reshapeMat.size<< endl;
cout <<"labelTmp  ："<< labelTmp.size<< endl;
bp->train(sampleTmp, ml::ROW_SAMPLE, labelTmp);

12、output training data should be a floating-point matrix with the number of rows equal to the number of training samples and the number of columns equal to the size of last (output) layer) in prepare_to_train

使用BP神经网络进行训练，代码如下：

    const string & numberPng = "图片路径";
    Mat & sampleTmp;
    Mat & labelTmp;
    // 读取图片
    Mat img = imread(numberPng);
    Mat gray;
    // 转为灰度图（黑白图）
    cvtColor(img, gray, CV_BGR2GRAY);
    int b = 20;
    int m = gray.rows / b;   //原图为1000*2000
    int n = gray.cols / b;   //裁剪为5000个20*20的小图块
    for (int i = 0; i < n; i++) {
        // 按列截取
        int offsetCol = i * b; //列上的偏移量
        for (int j = 0; j < m; j++) {
            int offsetRow = j * b;  //行上的偏移量
            Mat tmp;
            //截取20*20的小块, 放到 tmp中
            gray(Range(offsetRow, offsetRow + b), Range(offsetCol, offsetCol + b)).copyTo(tmp);
            //序列化，改变行数，将20*20的居中转为 1 * 400， 序列化后放入特征矩阵
            const Mat &reshapeMat = tmp.reshape(0, 1);
            sampleTmp.push_back(reshapeMat);
            labelTmp.push_back((double) (j / 5));  //对应的标注, 就是图片中的数字对应的值
        }
    }
    Ptr<ml::ANN_MLP> bp = ml::ANN_MLP::create();
    // 以下表示神经网络的层数为3，输入层神经元个数为 samcol个，隐含层为6，输出层为1
    Mat layers_size = (Mat_<int>(1, 3) << samcol, 6, 1); // samcol维点，1维输出
    // 设置神经网络的层数和神经元数量
    bp->setLayerSizes(layers_size);
    // ml::ANN_MLP::BACKPROP 是 ANN_MLP 类中的一个常量, 它表示采用反向传播算法(Back-Propagation)来训练前馈神经网络。
    // 第一个 0.1 表示学习速率，学习速率通常取值在 0 到 1 之间,较小的值能够确保算法稳定收敛,但收敛速度会较慢。较大的值可以加快收敛,但可能会导致算法发散。
    // 第二个 0.1 表示动量系数, 动量系数用于改善标准反向传播算法的收敛特性。动量系数控制了当前梯度与上一次梯度的相对权重,取值范围也在 0 到 1 之间, 适当的动量系数可以加快算法收敛,平滑权重更新,并防止算法陷入局部极小值。
    bp->setTrainMethod(ml::ANN_MLP::BACKPROP, 0.1, 0.1);
    // 设置激活函数为双曲正切函数
    bp->setActivationFunction(ml::ANN_MLP::SIGMOID_SYM);
    // 设置训练终止条件为最大迭代次数 1000 次，或误差小于 1e-6,即 0.000001
    // TermCriteria::MAX_ITER 表示使用最大迭代次数作为终止条件。
    bp->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, 1000, /*FLT_EPSILON*/1e-6));
    // 使用训练样本 sample 和标签 labelsMat 进行 BP 神经网络的训练
    bp->train(sampleTmp, ml::ROW_SAMPLE, labelTmp);

调用bp->train()时整体报错如下：

OpenCV: terminate handler is called! The last OpenCV error is:
OpenCV(3.4.16) Error: Bad argument (output training data should be a floating-point matrix with the number of rows equal to the number of training samples and the number of columns equal to the size of last (output) layer) in prepare_to_train, file D:\cpp\opencv3.4.16_vc14\sources\modules\ml\src\ann_mlp.cpp, line 904

翻译：
prepare_to_train 中的参数错误（输出训练数据应为浮点矩阵，行数等于训练样本数，列数等于最后（输出）层的大小）；

意思很明显，输出训练数据应为浮点矩阵，输出训练数据指的就是：训练样本的标签矩阵（labelTmp）；

注意上面最后一行代码： labelTmp.push_back((int) j / 5); ，这里使用了int类型，这是不对的，按照opencv的要求，需要改为浮点数才行；所以改动后的代码如下, 确保结果是浮点型就ok！

labelTmp.push_back((double) (j / 5));

13、Wrong input image size. Reason: Training and Test images must be of equal size! Expected an image with 2500 elements, but got 10304

报错全文：

OpenCV: terminate handler is called! The last OpenCV error is:
OpenCV(3.4.16) Error: Bad argument (Wrong input image size. Reason: Training and Test images must be of equal size! Expected an image with 2500 elements, but got 10304.) in predict, file D:\cpp\opencv_contrib-3.4.16\modules\face\src\eigen_faces.cpp, line 121

翻译：
参数错误（输入图像大小错误。原因：训练图像和测试图像必须大小相等！预期图像包含2500个元素，但实际得到10304个元素；

问题很明显，调用 predict 函数进行预测的时候，输入的图片大小和训练时的图片大小不一致，使用 cv::resize()函数改变大小即可；

14、Wrong shapes for given matrices

报错全文：

OpenCV: terminate handler is called! The last OpenCV error is:
OpenCV(3.4.16) Error: Bad argument (Wrong shapes for given matrices. Was size(src) = (1,7500), size(W) = (2500,1).) in subspaceProject, file D:\cpp\opencv3.4.16_vc14\sources\modules\core\src\lda.cpp, line 183

翻译：
给定矩阵的形状错误，识别图片时候，需要将原来的图片转换为灰度图片；读取图片变量的时候，将其转为灰度图即可

# 读取图片变量的同时将图片转为灰度图
Mat mat = imread(childPath,cv::COLOR_BGR2GRAY);
# 将读取出来后再转为灰度图
cv::cvtColor(mat, mat, cv::COLOR_BGR2GRAY);

15、 (_src.type() == CV_8UC1) in equalizeHist

报错全文：

OpenCV: terminate handler is called! The last OpenCV error is:
OpenCV(3.4.16) Error: Assertion failed (_src.type() == CV_8UC1) in 在调用（equalizeHist）, file D:\cpp\opencv3.4.16_vc14\sources\modules\imgproc\src\histogram.cpp, line 3439

翻译：
指定是在调用 equalizeHist 函数（直方图均衡化:将灰度图进行均值化，使其更加黑白分明）时，必须使用8位的灰度图，该错误告诉你，你的图像不是 8 位灰度图像，需要使用以下函数进行转换

Mat gray;
cvtColor(resizeMat, gray, COLOR_BGR2GRAY);

16、Invalid number of channels in input image

报错全文：

OpenCV: terminate handler is called! The last OpenCV error is:
OpenCV(3.4.16) Error: Unspecified error (> Invalid number of channels in input image:
>     'VScn::contains(scn)'
> where
>     'scn' is 1
) in cv::impl::{anonymous}::CvtHelper<VScn, VDcn, VDepth, sizePolicy>::CvtHelper(cv::InputArray, cv::OutputArray, int) [with VScn = cv::impl::{anonymous}::Set<3, 4>; VDcn = cv::impl::{anonymous}::Set<1>; VDepth = cv::impl::{anonymous}::Set<0, 2, 5>; cv::impl::{anonymous}::SizePolicy sizePolicy = (cv::impl::<unnamed>::SizePolicy)2; cv::InputArray = const cv::_InputArray&; cv::OutputArray = const cv::_OutputArray&], file D:\cpp\opencv3.4.16_vc14\sources\modules\imgproc\src\color.simd_helpers.hpp, line 88

翻译：
指的是输入图像中的通道数无效，这个报错通常是将单通道的图形转为单通道，单通道图形指的就是灰度图像，也就是说，当前的图形已经是灰度图了，你又再次将图片转为灰度图，就会报这个错误；解决方案是将带有 cv::COLOR_BGR2GRAY 的代码去掉即可

// 去掉以下代码
cvtColor(roi, roi, cv::COLOR_BGR2GRAY);