AccessViolationException korzystając z Emgu.CV.dll

Witam,

Próbuję stworzyć slownik na podstawie punktów kluczowych SIFT jednak przy funkcji bowTrainer.Cluster(), otrzymuję ciekawy wyjątek:

An unhandled exception of type 'System.AccessViolationException' occurred in Emgu.CV.dll

Additional information: Attempted to read or write protected memory. This is often an indication that other memory is corrupt.

Dodam że korzystam z biblioteki Emgu2.9.0Beta.2.9.0 cała aplikacja jest ustawiona na wersję x64, czy to może powodować ten wyątek? Z tego co wiem to emgu powinno działać pod wersją 64bitową, może jest jakis inny problem w moim kodzie?

                model = new Image<Bgr, byte>(imageData.Path);
                modelGray = model.Convert<Gray, Byte>();
                modelKeyPoints = detector.DetectKeyPointsRaw(modelGray, null);
                modelDescriptors = detector.ComputeDescriptorsRaw(modelGray, null, modelKeyPoints);

Podejrzewam, że problem tkwi w tych linijkach, wykonuja one operacje na zdjęciach pobranych bezpośrednio ze ścieżek, po zakomentowaniu tego fragmentu i stworzeniu osobnej macierzy ze stalymi liczbami nie ma problemu.

Niestety przy recznym kopiowaniu wartości z matrycy modelDescriptors do nowej matrycy i osobnym rezerwowaniu pamięci dalej jest ten sam problem.

Main testowy:

    static void Main()
        {
            const string pathImage = @"E:\IISI\testSIFT\";

            const int dictionarySize = 10;
            const int nFeatures = 0;
            const int nOctaveLayers = 3;
            const double contrastThreshold = 0.04;
            const double edgeThreshold = 10;
            const double sigma = 1.6;

            var files = new DirectoryInfo(pathImage).GetFiles().Select(x => x.FullName).ToArray();

            var bof = new BOF(files);

            bof.ComputeDictionary(dictionarySize, nFeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma);
            bof.ComputeDescriptors();

            Console.ReadKey();
        }

Klasa BOW:

public class BOF
    {
        public ImageData[] ImagesData { get; private set; }
        public float[][] Dictionary { get; private set; }

        public BOF(IList<string> trainFiles)
        {
            ImagesData = new ImageData[trainFiles.Count];

            for (var i = 0; i < trainFiles.Count; i++)
                ImagesData[i] = new ImageData
                {
                    Path = trainFiles[i],
                    IsTrain = true
                };
        }

        private float[][] GetArrayFromMatrix(Matrix<Single> matrix)
        {
            var array = new float[matrix.Data.Length][];

            for (var i = 0; i < array.Length; i++)
                array[i] = new float[matrix.Cols];

            for (var i = 0; i < matrix.Rows; i++)
                for (var j = 0; j < matrix.Cols; j++)
                    array[i][j] = matrix.Data[i, j];

            return array;
        }

        public void ComputeDictionary(int dictionarySize, int nFeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma)
        {
            var detector = new SIFTDetector(nFeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma);

            var termCriteria = new MCvTermCriteria(100, 0.001);
            var bowTrainer = new BOWKMeansTrainer(dictionarySize, termCriteria, 1, KMeansInitType.PPCenters);

            Image<Bgr, byte> model;
            Image<Gray, Byte> modelGray;
            VectorOfKeyPoint modelKeyPoints;
            Matrix<Single> modelDescriptors;

            foreach (var imageData in ImagesData)
            {
                model = new Image<Bgr, byte>(imageData.Path);
                modelGray = model.Convert<Gray, Byte>();
                modelKeyPoints = detector.DetectKeyPointsRaw(modelGray, null);
                modelDescriptors = detector.ComputeDescriptorsRaw(modelGray, null, modelKeyPoints);

                imageData.Keypoints = GetArrayFromMatrix(modelDescriptors);

                bowTrainer.Add(modelDescriptors);
            }

            var dictionary = bowTrainer.Cluster();

            Dictionary = GetArrayFromMatrix(dictionary);
        }
    }