使用OpenCV trainHog示例训练INRIA数据集触发断言错误求助

云原生阿岚

2026-5-29

解决OpenCV trainHog示例训练INRIA数据集时的断言错误问题

首先看触发断言的代码行：CV_Assert(positive_count < labels.size());，这个断言的核心要求是正样本的数量必须小于labels数组的总长度。labels数组是由正样本标签（全部为1）加上负样本标签（全部为-1）组成的，总长度应该是positive_count + negative_count，所以触发断言的本质是positive_count >= positive_count + negative_count——也就是负样本数量为0甚至负数，完全不符合训练的基本要求。

下面是最可能的几个原因和对应的排查方向：

负样本加载或HOG计算完全失败
先检查neg_lst里的负样本路径是否正确，有没有文件不存在、路径写错（比如相对路径错误、大小写不匹配）的情况。如果neg_lst本身是空的，或者computeHOGs函数处理负样本时没有生成任何有效特征，那gradient_lst.size() - positive_count得到的negative_count就是0，此时labels总长度等于positive_count，断言自然触发。
positive_count的统计逻辑出错
确认positive_count的值是不是真的等于正样本的实际数量。比如有没有可能你在之前的代码里把positive_count错误赋值成了总样本数，或者正样本的HOG计算后，gradient_lst的长度统计出错，导致positive_count的数值偏差。
flip_samples参数引发的异常
如果flip_samples设为true，理论上会生成翻转后的样本扩充数据集，但如果这个过程中出现异常（比如翻转时图像读取错误），可能导致负样本的扩充失败，最终negative_count还是0。

快速排查步骤

在断言代码前加几行打印，直接看关键数值的情况：

clog << "positive_count: " << positive_count << endl;
clog << "gradient_lst size: " << gradient_lst.size() << endl;
clog << "negative_count: " << negative_count << endl;
clog << "labels size: " << labels.size() << endl;