C++ 训练SVM OpenCV 3.1-断言失败

属于我的OpenCV 3.1和Qt Creator的实际问题。根据我在自己的项目中尝试实施的报告

如果我想训练我的SVM，我会得到以下错误：

OpenCV错误：setData文件C:…\OpenCV master\modules\ml\src\data.cpp第259行中的断言失败（samples.type（）==CV|32F | | samples.type（）==CV|32S）

下面列出了我的部分代码

int num_files = 205;
int img_area = 55*66;
Mat training_mat(num_files,img_area, CV_32FC1);
vector<int> label;

//Labels: 1-138 == 1 | 139-205 == 0
for(int i = 0; i < 139; i++)
{
    label.push_back(1);
}
for(int i = 139; i < 206; i++)
{
    label.push_back(0);
}

Mat classes;
Mat(label).copyTo(classes);

// Imread Pictures

for(int c = 1; c < num_files; c++)
{
    ostringstream name;
    name << "../Name_" << c << ".png";
    img_mat = imread(name.str(),0);
    int ii = 0; 
    for (int i = 0; i < img_mat.rows; i++)
    {
        for (int j = 0; j < img_mat.cols; j++)
        {
            training_mat.at<float>(c,ii++) = (float)img_mat.at<uchar>(i,j);
        }
    }
}

training_mat.convertTo(training_mat, CV_32FC1);

int num_files=205；
int img_面积=55*66；
Mat培训Mat（num_文件、img_区域、CV_32FC1）；
矢量标签；
//标签：1-138==1 | 139-205==0
对于（int i=0；i<139；i++）
{
标签。推回（1）；
}
对于（int i=139；i<206；i++）
{
标签。推回（0）；
}
垫类；
Mat（标签）。copyTo（类别）；
//阅读图片
对于（int c=1；csetP（0）；
svm->setTermCriteria（术语标准（CV_TERMCRIT_ITER，1000，0.01））；
//训练支持向量机
svm->train（svm\u TrainingData，ml:：ROW\u样本，svm\u类）；

---

你知道具体的问题是什么吗？

SVM\u TrainingData的类型是什么？

我已经用xml文件的信息更新了我的帖子，为什么你要将

training\u mat

保存为“TrainingData”，但是你正在加载“x”？你好@Miki。谢谢你的回答。我更正了（可能的复制粘贴问题）现在，当我运行代码时，我得到以下错误。OpenCV错误：断言失败（（layout==ROW\u SAMPLE&&responses.rows==nsamples）|（layout==COL\u SAMPLE&&responses.cols==nsamples））在setData

SVM\u TrainingData

行不等于

SVM\u类

元素数

FileStorage fs("train_SVM.xml", FileStorage::WRITE);
        fs << "ImagesCount" << num_files;
        time_t rawtime; time(&rawtime);
        fs << "createDate" << asctime(localtime(&rawtime));
        fs << "TrainingData" << training_mat;
        fs << "classes" << classes;
        fs.release();

//Read file storage.
    FileStorage fs;
    fs.open("train_SVM.xml", FileStorage::READ);
    Mat SVM_TrainingData;
    Mat SVM_Classes;    
    fs["TrainingData"] >> SVM_TrainingData; 
    fs["classes"] >> SVM_Classes; 
    Ptr<ml::SVM> svm = ml::SVM::create();
    //Set SVM params
    svm->setType(ml::SVM::C_SVC);
    svm->setKernel(ml::SVM::LINEAR);
    svm->setDegree(0);
    svm->setGamma(1);
    svm->setCoef0(0);
    svm->setC(1);
    svm->setNu(0);
    svm->setP(0);
    svm->setTermCriteria(TermCriteria(CV_TERMCRIT_ITER, 1000, 0.01));
    //Train SVM
    svm->train( SVM_TrainingData, ml::ROW_SAMPLE , SVM_Classes );