CNN-LSTM模型预测视频时报ValueError: not enough values to unpack错误

1. 报错直接原因 #

报错出现在boxes, scores, labels = model.predict_on_batch(np.expand_dims(frame_set, axis=0))行，你的CNN-LSTM是分类模型，从公开的结构看最后一层dense_2输出维度为(None,5)，单次预测仅返回1个形状为(1,5)的张量，存储5个类别的预测概率，不存在目标检测模型才会输出的框坐标、置信度、标签三类返回值，硬拆为3个变量接收自然会触发“期望3个值，仅拿到1个”的错误。

2. 其余需要修正的逻辑问题 #

• 输入构造错误：你当前仅从视频读取1帧，反而用np.arange生成随机数值构造输入张量，完全没有用到真实视频数据。你需要循环读取连续10帧，预处理后堆叠为(10,384,384,3)格式，才能匹配模型输入要求。
• 输入尺寸不匹配：模型要求单帧输入尺寸为384*384，你用百分比缩放的逻辑无法保证输出尺寸符合要求，需要把resize的目标尺寸固定为(384,384)。
• 冗余逻辑错误：代码后续的画框、框坐标计算逻辑都是目标检测场景的代码，唇读分类场景仅需要拿到预测概率向量，取argmax得到类别编号对应标签即可，不需要处理boxes、scores相关逻辑。

核心逻辑修正示例 #

import numpy as np
import cv2
from tensorflow import keras

# 替换为你自己的5个分类标签
classes = ["类别1","类别2","类别3","类别4","类别5"]
model_path = 'CCTV_10Frame_SGD_Model_1e4_b16_l21e2_Terbaru.h5'
model = keras.models.load_model(model_path, compile = True)

vid = cv2.VideoCapture('Data16_116.mp4')
frame_buffer = [] # 存储连续10帧做滑窗预测
input_size = 384
# 预处理逻辑要和训练时完全对齐，比如是否归一化、是否减均值等
train_normalize_scale = 255.0

while vid.isOpened():
    ret, frame = vid.read()
    if not ret:
        break
    # 预处理当前帧
    frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    frame_resized = cv2.resize(frame_rgb, (input_size, input_size), interpolation=cv2.INTER_AREA)
    frame_buffer.append(frame_resized)
    
    # 凑够10帧再执行预测
    if len(frame_buffer) == 10:
        # 转换为模型要求的输入格式
        model_input = np.array(frame_buffer, dtype=np.float32) / train_normalize_scale
        model_input = np.expand_dims(model_input, axis=0) # 增加batch维度
        # 仅用单个变量接收预测结果
        pred_probs = model.predict_on_batch(model_input)[0]
        pred_label_idx = np.argmax(pred_probs)
        pred_score = pred_probs[pred_label_idx]
        pred_class = classes[pred_label_idx]
        
        # 绘制预测结果
        cv2.putText(frame, f"Pred: {pred_class} Score: {pred_score:.3f}", (10, 50), 
                    cv2.FONT_HERSHEY_SIMPLEX, 1, (0,255,0), 2)
        # 移除最早的1帧，滑动窗口处理下一组
        frame_buffer.pop(0)
    
    cv2.imshow('Result', frame)
    if cv2.waitKey(25) & 0xFF == ord('q'):
        break

vid.release()
cv2.destroyAllWindows()

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