首次使用Dlib遇退出码-1073741819(0xC0000005)，求解决方法

错误码-1073741819 (0xC0000005)本质是内存访问违规，针对你的代码场景，可按以下步骤排查解决：

1. 验证模型文件的正确性 #

Dlib的形状预测器和人脸识别模型文件是关键，路径错误或文件损坏会直接触发该错误：

• 确认shape_predictor_68_face_landmarks.dat和dlib_face_recognition_resnet_model_v1.dat与代码脚本在同一目录，或使用绝对路径指定文件位置，例如：

  sp = dlib.shape_predictor("C:/projects/face_rec/shape_predictor_68_face_landmarks.dat")
  

• 检查文件完整性：两个模型文件大小分别约99MB和100MB，若文件过小，说明下载过程中断，重新下载即可。

2. 修复图像读取逻辑 #

代码中直接拼接路径+文件名容易出错，且未处理损坏图片的情况：

• 改用os.path.join拼接路径，避免斜杠缺失问题；添加图片读取有效性判断：

  img_path = os.path.join(path, fn)
  img = cv2.imread(img_path)
  if img is None:
      print(f"跳过损坏/无法读取的图片: {fn}")
      continue
  img = img[:, :, ::-1]  # BGR转RGB
  

3. 调整Dlib检测参数 #

过高的检测精度可能导致内存溢出：

• 将人脸检测器的上采样次数从1改为0（减少内存占用）：

  dets = detector(img, 0)
  

• 若仍报错，可将人脸特征计算的num_jitters参数从1改为0：

  face_desc = model.compute_face_descriptor(img, shape, 0)
  

4. 确保版本兼容性 #

Python与Dlib版本不匹配也会引发内存错误：

• 卸载现有Dlib后重装，优先选择适配当前Python版本的预编译包：

  pip uninstall dlib -y
  pip install dlib
  

• 若Windows系统编译安装失败，可尝试安装对应Python版本的预编译wheel包（无需自行编译）。

5. 优化内存占用 #

若处理大量高清图片，内存过载也会触发该错误：

• 每次处理完单张图片后，手动回收内存：

  import gc
  gc.collect()
  

• 避免一次性将所有特征存入列表，可分批写入文件，减少内存占用。

修改后的完整代码示例 #

import numpy as np, cv2, dlib, os, pickle, gc

path = './facedata/'
detector = dlib.get_frontal_face_detector()
# 使用绝对路径或确认文件在当前目录
sp = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
model = dlib.face_recognition_model_v1('dlib_face_recognition_resnet_model_v1.dat')
FACE_DESC = []
FACE_NAME = []

for fn in os.listdir(path):
    if fn.endswith('.jpg'):
        img_path = os.path.join(path, fn)
        img = cv2.imread(img_path)
        if img is None:
            print(f"跳过无效图片: {fn}")
            continue
        img = img[:, :, ::-1]  # BGR转RGB
        dets = detector(img, 0)
        for k, d in enumerate(dets):
            shape = sp(img, d)
            face_desc = model.compute_face_descriptor(img, shape, 1)
            FACE_DESC.append(face_desc)
            print('loading...', fn)
            FACE_NAME.append(fn[:fn.index('_')])
        gc.collect()  # 回收内存

pickle.dump((FACE_DESC, FACE_NAME), open('trainset.pk', 'wb'))

内容的提问来源于stack exchange，提问作者bLuEscReEn