神经网络不接受灰度图像

我按照这个教程进行操作：https://www.pyimagesearch.com/2017/09/11/object-detection-with-deep-learning-and-opencv/我更改了这部分，在将图像输入插入神经网络之前将其转换为灰度

frame = vs.read()
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
frame = imutils.resize(frame, width=400)

(h, w) = frame.shape[:2]
blob = cv2.dnn.blobFromImage(cv2.resize(frame, (300, 300)),
    0.007843, (300, 300), 127.5)
net.setInput(blob)
detections = net.forward()

然而出现这个错误：

OpenCV(3.4.1) Error: Assertion failed (ngroups > 0 && inpCn % ngroups == 0 && outCn % ngroups == 0) in cv::dnn::ConvolutionLayerImpl::getMemoryShapes, file D:\Build\OpenCV\opencv-3.4.1\modules\dnn\src\layers\convolution_layer.cpp, line 234
    Traceback (most recent call last):
      File "C:/Users/Toshiba/PycharmProjects/real-time-object-detection/study7ver2.py", line 75, in <module>
        detections = net.forward()
    cv2.error: OpenCV(3.4.1) D:\Build\OpenCV\opencv-3.4.1\modules\dnn\src\layers\convolution_layer.cpp:234: error: (-215) ngroups > 0 && inpCn % ngroups == 0 && outCn % ngroups == 0 in function cv::dnn::ConvolutionLayerImpl::getMemoryShapes

第 75 行是：detections = net.forward()

为什么我要将其转换为灰度？因为我需要在将图像输入神经网络之前进行直方图均衡，以便夜间输入的图像会更清晰。

这些模型中的绝大多数需要颜色，即3通道图片;通过转换为灰度，您最终会得到单通道图像，并且代码崩溃。

让我们快速浏览一下以确认这一点；链接博客文章中的脚本运行如下

python deep_learning_object_detection.py \
    --prototxt MobileNetSSD_deploy.prototxt.txt \
    --model MobileNetSSD_deploy.caffemodel --image images/example_01.jpg 

深入挖掘MobileNetSSD_deploy.prototxt.txt的文件MobileNet-SSD Github 存储库（即这里使用的实现），我们看到输入层定义为

name: "MobileNet-SSD"
input: "data"
input_shape {
  dim: 1
  dim: 3
  dim: 300
  dim: 300
}

第二dim这里的参数正是图像 (3) 中预期的通道数。它会简单地拒绝处理单通道图像，例如灰度图像。

A hack在类似的情况下，只是为了让你继续玩（尽管我已经看到它经常用于医疗和卫星成像，其中图像通常不是彩色的），只是为了复制将单通道分成 3 个相同的通道，然后将它们组合起来形成“3 通道”图像......