Ubuntu22+Python3.10下OpenCV conv_winograd_f63.cpp断言失败求助

环境与现象 #

• 两台配置一致的AMD64架构Ubuntu 22.04机器，均搭载Python 3.10
• 开发机运行包含人脸检测（haar分类器）+年龄预测（age_net.caffemodel）的Python代码完全正常
• 另一台机器上，代码可正常完成人脸捕获、识别、裁剪保存，但执行第118行age_net.forward()时触发以下错误：

cv2.error: OpenCV(4.7.0-dev) /home/art/opencv_build/opencv/modules/dnn/src/layers/cpu_kernels/conv_winograd_f63.cpp:401: error: (-215:Assertion failed) CONV_WINO_IBLOCK == 3 && CONV_WINO_ATOM_F32 == 4 in function 'winofunc_BtXB_8x8_f32'

• 已尝试的解决操作：pip3 install opencv-python、pip3 install opencv-contrib-python、源码编译安装4.6.0/4.7.0/4.7.0-dev版本，均未解决问题

可能的解决方法 #

1. 禁用Winograd卷积优化 #

Winograd是OpenCV DNN的CPU卷积加速优化，部分环境存在兼容性问题，可直接禁用：

# 加载age_net模型后添加以下配置
age_net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV)
age_net.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)
cv2.dnn.disableWinograd()

2. 严格匹配模型输入尺寸 #

age_net.caffemodel对输入图像尺寸有固定要求（通常为227×227），需确保裁剪后的人脸图像严格符合该尺寸，示例代码：

# 生成模型输入blob时指定正确尺寸
blob = cv2.dnn.blobFromImage(
    cropped_face, 
    scalefactor=1.0, 
    size=(227, 227),  # 与age_net要求一致
    mean=(78.4263377603, 87.7689143744, 114.895847746), 
    swapRB=False
)
age_net.setInput(blob)

同时检查两台机器上人脸裁剪逻辑是否一致，避免因尺寸偏差触发底层错误。

3. 验证模型文件完整性 #

重新拷贝age_net.caffemodel和对应的prototxt文件到出错机器，防止文件损坏。可通过哈希值对比两台机器的模型文件：

sha256sum age_net.caffemodel

4. 切换DNN后端 #

若机器支持，尝试切换到其他DNN后端绕过CPU Winograd问题：

# 尝试使用OpenVINO后端（需确保OpenCV编译时支持）
age_net.setPreferableBackend(cv2.dnn.DNN_BACKEND_INFERENCE_ENGINE)
age_net.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)

内容的提问来源于stack exchange，提问作者user2976382