Keras+OpenCV输入维度不匹配报错：预期4维输入却得到3维

嘿，我帮你排查了这个问题，核心原因其实很明确，咱们一步步来解决：

问题根源 #

你碰到的ValueError是因为Keras的predict方法要求输入必须是批量数据（4维张量：[batch_size, 高度, 宽度, 通道数]），但你传进去的是单张图片的3维张量（[48,48,3]）。虽然你打印的roi.shape显示是(48,48,3)——这是单张图片的正确形状，但模型需要的是带batch维度的输入，所以才会提示“预期最小维度为4，实际得到维度3”。

另外，你的模型定义代码还有个小语法错误：第一个Conv2D层末尾少了个闭合括号，这会导致模型构建失败，得先把这个修好。

分步解决办法 #

1. 先修复模型的语法错误

修改你的Keras模型代码，给第一个Conv2D层补上闭合括号：

model = Sequential([
    Conv2D(filters=32,kernel_size=(3,3), activation='relu', padding = 'same', input_shape=(48, 48, 3)),  # 补上缺失的闭合括号
    MaxPool2D(pool_size=(2, 2), strides=2),
    Conv2D(filters=64, kernel_size=(3, 3), activation='relu', padding = 'same'),
    MaxPool2D(pool_size=(2, 2), strides=2),
    Flatten(),
    Dense(units=2, activation='softmax'),
])

2. 给预测输入添加Batch维度

在trueoruntruemodel类的predict_true方法里，用np.expand_dims()给输入图片添上batch维度，把形状从(48,48,3)转成(1,48,48,3)——这就完全符合模型的输入要求了：

def predict_true(self, img):
    # 添加batch维度：单张图片转为批量大小为1的输入
    img_with_batch = np.expand_dims(img, axis=0)
    self.preds = self.loaded_model.predict(img_with_batch)
    return trueoruntruemodel.options[np.argmax(self.preds)]

3. （可选但关键）统一图片色彩格式

OpenCV默认采集的图片是BGR格式，但如果你的模型训练时用的是RGB格式（比如用PIL或Keras内置工具加载训练数据），那预测时必须转换格式，否则会严重影响准确率：
在摄像头采集的get_frame方法里添加色彩空间转换：

def get_frame(self):
    _, fr = self.video.read()
    print(fr.shape)
    roi = cv2.resize(fr, (48, 48))
    # 将OpenCV的BGR格式转为RGB格式（匹配训练数据的格式）
    roi_rgb = cv2.cvtColor(roi, cv2.COLOR_BGR2RGB)
    print(roi_rgb.shape) # 输出仍为(48,48,3)，仅通道顺序调整
    pred = model.predict_true(roi_rgb)  # 传入转换后的图片
    # 注意：你原代码中x,y未定义，这里示例设为(50,50)
    cv2.putText(fr, pred, (50,50), font, 1, (46, 46, 0), 2)
    _, jpeg = cv2.imencode('.jpg', fr)
    return jpeg.tobytes()

另外，你代码里cv2.putText的x,y变量未定义，必须补充具体坐标值，不然会触发变量未定义的错误，上面的代码给了示例值。

为啥设置batch_input_shape没用？ #

你尝试设置batch_input_shape=(None,48,48,3)其实是正确的模型输入定义，但问题出在预测时没有传入符合该形状的输入。batch_input_shape中的None表示batch大小可变，但输入必须至少有4个维度，而你传入的是3维单张图片，所以依然不兼容。

内容的提问来源于stack exchange，提问作者Stackaccount1