我正在用java开发一个程序,该程序使用opencv库获取一个图像文件夹并裁剪人脸。它使用了OpenCV中的人脸识别。我使用了它,但当我尝试使用更大的图像文件夹时,它会出现以下错误:
OpenCV错误:Cv::OutOfMemoryError中内存不足(无法分配411068928字节),文件C:\builds\master_packslaveAddon-Win32-VC12-static\OpenCV\module\core\src\alloc.cpp,第52行OpenCV错误:Cv::mat::create中断言失败(u!=0),文件C:\builds\master_packslaveAddon-Win32-VC12-static\OpenCV\module\core\src\matrix.cpp,线程“main”CvException[org.OpenCV.core.CvException:c:\builds\master_packslaveAddon-Win32-VC12-static VC12-static\OpenCV\modules\core\src\matrix.cpp:411:错误:(-215)在org.OpenCV.objdetect.cascadeClassifier.detectmultiscale_1(本机方法)(org.OpenCV.objdetect.cascadeClassifier.detectmultiscale(cascadeClassifier.java:103)(faceDetector.main(faceDetector.java:42)中函数cv::mat::create)中u!=0
import java.awt.image.BufferedImage;
import java.awt.image.DataBufferByte;
import java.io.File;
import java.io.IOException;
import javax.imageio.ImageIO;
import javax.swing.plaf.synth.SynthSeparatorUI;
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
public class FaceDetector {
public static void main(String[] args) throws IOException {
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
System.out.println("\nRunning FaceDetector");
CascadeClassifier faceDetector = new CascadeClassifier("C:/Users/Family/workspace/detect face/haarcascade_frontalface_alt.xml");
File folder = new File("C:\\Users\\Family\\Downloads\\Photos (4)");
File[] listOfFiles = folder.listFiles();
for (int j = 0; j < listOfFiles.length; j++) {
System.out.println(listOfFiles[j]);
}
for (int i = 0; i < listOfFiles.length-1; i++){
String picname = listOfFiles[i].toString();
System.out.println("reading: " + listOfFiles[i]);
Mat image = Imgcodecs.imread(picname);
MatOfRect faceDetections = new MatOfRect();
faceDetector.detectMultiScale(image, faceDetections);
System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));
for (Rect rect : faceDetections.toArray()) {
Imgproc.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar (0, 255, 0));
}
Rect recta = new Rect();
for (Rect rect : faceDetections.toArray()) {
recta.x = rect.x;
recta.y = rect.y;
recta.width = rect.width;
recta.height = rect.height;
}
if (faceDetections.toArray().length == 1) {
BufferedImage picture = ImageIO.read(new File(picname));
BufferedImage croppedImage = picture.getSubimage(recta.x, recta.y, recta.width, recta.height);
// File finalCropped = new File(listOfFiles[i].toString()+"cropped.jpg");
File finalCropped = new File("C:/Users/Family/Downloads/CroppedImages/" + "cropped" + (i + 140) + ".jpg");
ImageIO.write(croppedImage, "jpg", finalCropped);
System.out.println("Cropping " + i + "/" + listOfFiles.length);
}
faceDetections.release();
}
System.out.println("Process complete.");
}
}
您还应该释放image
对象。我想建议使用一个try catch finally来进行适当的释放。
image.release();
问题内容: 我是Netbeans中这种错误的新手。我一直在使用Java Bean 8.0.2在Java J2SE中工作。我正在对字符串进行模糊搜索,通常字符串长度为300-500。我正在使用Levenshtein和Jaro Winkler算法来查找字符串之间的距离。大约有1500次迭代来查找字符串之间的距离!问题是我的Net Bean通常会为以下内容提供错误: 我已经在线进行了一些搜索来摆脱此错误
上周,我们在生产环境中遇到了内存不足的错误。这种内存不足的错误可能每周发生一次,当前的解决方案是重新启动应用程序服务器。我们使用的是glassfish 3.0.1。生成的堆转储约为5GB。 请帮助分析下面的堆转储。下面是使用eclipse MAT生成的泄漏嫌疑人报告。我们如何分析下面的报告?
问题内容: 节点版本为 崩溃期间的内存使用情况未超出 产生此错误的代码: 要检查是否存在递归堆栈大小问题,我使用–stack-size = 60000参数运行了下一个代码 并得到了 然后,我运行了导致严重错误的代码:CALL_AND_RETRY_LAST分配失败-使用相同的–stack-size = 60000参数处理内存不足,并且没有得到。 因此,我得出结论与递归堆栈大小没有共同之处。 我该如何
问题内容: 我正在尝试运行ant任务,但是出现以下错误: 我尝试使用谷歌搜索来查找如何设置此值,但找不到。我努力了 我努力了 但我仍然遇到同样的例外。我尝试将值成功增加到1024m 更新资料 我解决了 它与很少的内存无关。在我的javadoc一代中,这是一个无休止的循环。 问题答案: 我解决了 它与很少的内存无关。在我的javadoc一代中,这是一个无休止的循环。 为ant设置更多内存的正确方法是
我的spark程序在小数据集上运行良好。(大约400GB)但是当我将其扩展到大型数据集时。我开始得到错误
<---JS StackTrace---> =====JS栈迹=================================================================== 安全上下文:0369632D1:create(This=036856A9)2:_Walk[034841A1:~764][PC=1CCAED1F](This=3A11A619,Visitor=3BCEFD