基于 DeepFace 和 OpenCV 的实时情绪分析器

在计算机视觉领域，实时情绪分析是一个既有趣又实用的方向。这个项目结合了 OpenCV 的视频处理能力与 DeepFace 的深度学习模型，能够捕捉摄像头画面中的人脸并识别其情绪状态。

核心组件

实现这个功能主要依赖以下几部分：

• 硬件：普通的电脑摄像头或 USB 设备即可。
• 软件库：
  • OpenCV (cv2)：负责视频流捕获、图像处理和界面绘制。
  • DeepFace：基于深度学习的面部分析库，专门用于情绪、年龄等属性预测。
  • time 和 numpy：辅助计算帧率和处理数据。

实现思路

程序的核心逻辑在于一个持续运行的循环。我们首先打开默认摄像头，然后不断读取每一帧图像。为了监控性能，引入了 FPS 计算模块，采用滑动平均算法来平滑帧率波动，避免数值跳动过大影响观察。

在每一帧的处理流程中，调用 DeepFace 接口进行情绪分析。返回的结果包含人脸区域坐标、主导情绪及置信度。解析这些数据后，使用 OpenCV 的绘图函数在画面上标记出人脸位置，并在上方显示具体的情绪标签和百分比。如果检测到异常（如未检测到人脸），则跳过当前帧并继续，保证程序不崩溃。

完整代码

import cv2
import time
import numpy as np
from deepface import DeepFace

# 打开默认摄像头
cap = cv2.VideoCapture(0)

# FPS 计算参数
prev_time = time.time()
fps = 0
alpha = 0.9  # 滑动平均权重

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # 计算 FPS
    current_time = time.time()
    delta_time = current_time - prev_time
    prev_time = current_time
    
    if delta_time > 0:
        instant_fps = 1.0 / delta_time
        fps = alpha * fps + (1 - alpha) * instant_fps

    try:
        # 进行表情识别
        result = DeepFace.analyze(frame, actions=['emotion'], enforce_detection=False)
        for face in result:
            x, y, w, h = face[][], face[][], face[][], face[][]
            emotion = face[]
            confidence = face[][emotion]
            
            
            cv2.rectangle(frame, (x, y), (x + w, y + h), (, , ), )
            
            
            text = 
            cv2.putText(frame, text, (x, y - ), cv2.FONT_HERSHEY_SIMPLEX, , (, , ), )
     Exception  e:
        (, e)

    
    cv2.putText(frame, , (, ), cv2.FONT_HERSHEY_SIMPLEX, , (, , ), )

    
    cv2.imshow(, frame)

    
     cv2.waitKey() &  == ():
        

cap.release()
cv2.destroyAllWindows()