问Keras:用于视频识别的Time CNN+LSTM

EN

​

​

我正在尝试实现上图中所示的模型，该模型基本上由时间分布的CNN组成，后面是一系列使用Keras和TF的LSTM。我已经划分了两种类型的类，并从捕获的每个视频中提取帧。提取的帧是可变的，不要修复。

然而，我在尝试弄清楚如何为每个类中的每个视频加载图像帧以成为x_train、x_test、y_train和y_test时遇到了一个问题。

model = Sequential()

model.add(
TimeDistributed(
    Conv2D(64, (3, 3), activation='relu'), 
    input_shape=(data.num_frames, data.width, data.height, 1)
   )
)  

如果每个视频包含n个不同数量的提取帧，我不知道如何在data.num_frames中键入。

输入是3-8秒的小视频(即一系列帧)。