OpenCV运行YOLOv4-tiny代码触发断言失败错误求助

核心原因 #

触发dims() <= 2断言失败的直接原因：

1. YOLO模型的输入blob是4维张量（NCHW格式，形状为[1, 3, 416, 416]），而cv::Mat::size()仅支持输出维度≤2的矩阵尺寸，直接打印会触发断言。
2. blobFromImg的rows和cols为-1，说明blobFromImage处理了无效输入帧（空Mat），导致生成的blob完全无效。

具体问题点 #

• 未检查空帧：循环中cap >> img后未判断帧是否为空，当视频读取完毕或路径错误时，img是空白Mat，blobFromImage无法生成有效blob。
• 重复归一化：blobFromImage已设置缩放因子1，后续setInput又设置scale=1.0/255.0，导致像素值被重复缩放，破坏模型输入格式。
• static变量风险：static Mat blobFromImg会保留前一次的内存状态，若某次处理失败，后续帧的blob会被污染。

修复步骤 #

1. 添加空帧检查：每次读取帧后立即判断img.empty()，为空则退出循环。
2. 正确输出blob形状：通过Mat的size数组逐个输出维度（如blobFromImg.size[0]对应batch数）。
3. 合并归一化操作：将scale=1/255.0和mean=Scalar(0,0,0)整合到blobFromImage中，避免重复处理。
4. 移除static修饰：将blobFromImg改为局部变量，确保每次循环都重新初始化。
5. 验证模型加载：检查network.empty()确认模型/配置文件加载成功。

修改后的代码 #

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/video.hpp>
#include <opencv2/dnn.hpp>
#include <opencv2/videoio.hpp>
#include <opencv2/imgproc.hpp>
#include <iomanip>
using namespace cv;
using namespace std;
using namespace dnn;

int main()
{
    VideoCapture cap("D:/video1.mp4");
    if (!cap.isOpened()) {
        cout << "Video Capture Fail" << endl;
        return -1;
    }

    std::string model = "./Models/yolov4_tiny_train2_best.weights";  
    std::string config = "./Models/yolov4_tiny_train2.cfg";

    Net network = readNet(model, config, "Darknet");
    if (network.empty()) {
        cout << "Failed to load model/config" << endl;
        return -1;
    }
    network.setPreferableBackend(DNN_BACKEND_DEFAULT);
    network.setPreferableTarget(DNN_TARGET_OPENCL);

    namedWindow("Display window", WINDOW_AUTOSIZE);

    for (;;)
    {
        Mat img;
        cap >> img;
        if (img.empty()) {
            cout << "End of video or frame read failed" << endl;
            break;
        }

        Mat blobFromImg;
        // 将归一化整合到blobFromImage中
        blobFromImage(img, blobFromImg, 1.0/255.0, Size(416, 416), Scalar(0,0,0), true, false);
        
        // 正确输出4维blob的形状
        cout << "Blob shape: [" << blobFromImg.size[0] << ", " 
             << blobFromImg.size[1] << ", " << blobFromImg.size[2] 
             << ", " << blobFromImg.size[3] << "]" << endl;

        network.setInput(blobFromImg);
        Mat outMat;
        network.forward(outMat);

        int rowsNoOfDetection = outMat.rows;
        int colsCoordinatesPlusClassScore = outMat.cols;
        for (int j = 0; j < rowsNoOfDetection; ++j)
        {
            Mat scores = outMat.row(j).colRange(5, colsCoordinatesPlusClassScore);

            Point PositionOfMax;
            double confidence;
            minMaxLoc(scores, 0, &confidence, 0, &PositionOfMax);

            if (confidence > 0.5)
            {
                int centerX = (int)(outMat.at<float>(j, 0) * img.cols);
                int centerY = (int)(outMat.at<float>(j, 1) * img.rows);
                int width = (int)(outMat.at<float>(j, 2) * img.cols);
                int height = (int)(outMat.at<float>(j, 3) * img.rows);

                int left = centerX - width / 2;
                int top = centerY - height / 2;

                stringstream ss;
                ss << PositionOfMax.x;
                string clas = ss.str();
                int color = PositionOfMax.x * 10;
                putText(img, clas, Point(left, top), FONT_HERSHEY_SIMPLEX, 1, Scalar(color, 255, 255), 2);
                
                stringstream ss2;
                ss2 << fixed << setprecision(2) << confidence;
                string conf = ss2.str();
                putText(img, conf, Point(left, top+30), FONT_HERSHEY_SIMPLEX, 1, Scalar(color, 255, 255), 2);

                rectangle(img, Rect(left, top, width, height), Scalar(color, 0, 0), 2);
            }
        }

        imshow("Display window", img);
        if (waitKey(25) == 27) { // ESC键退出
            break;
        }
    }
    cap.release();
    destroyAllWindows();
    return 0;
}

额外注意事项 #

• 确保yolov4_tiny_train2.cfg中的width和height与blobFromImage的尺寸（416x416）一致，否则模型输入不匹配会导致后续检测错误。
• YOLOv4-tiny有多个输出层（如yolo_13和yolo_26），原代码仅处理单个输出层，建议改为遍历所有输出层以获取完整检测结果。

内容的提问来源于stack exchange，提问作者S.T.A.L.K.E.R