基于 DeepFace 与 OpenCV 的实时情绪分析器
利用计算机视觉技术捕捉并识别面部表情，是构建智能交互系统的重要一环。本文将带你使用 Python、OpenCV 和 DeepFace 库，从零搭建一个能够实时分析摄像头画面中人物情绪的 Demo。
环境准备
项目主要依赖以下组件：
- 摄像头：电脑内置或外接 USB 摄像头即可。
- Python 库：
opencv-python(cv2)：负责视频流捕获与图像绘制。deepface：核心深度学习库，用于面部属性（年龄、性别、情绪）分析。numpy&time：基础数据处理与帧率计算。
安装依赖很简单：
pip install opencv-python deepface numpy
核心逻辑解析
整个程序的主循环并不复杂，关键在于如何高效地处理每一帧数据。
初始化与变量设置
首先打开默认摄像头设备，并准备好用于计算 FPS 的计时变量。这里引入滑动平均算法来平滑帧率显示，避免数值跳动过大影响观感。
import cv2
import time
import numpy as np
from deepface import DeepFace
cap = cv2.VideoCapture(0)
prev_time = time.time()
fps = 0
alpha = 0.9 # 滑动平均权重
主循环与 FPS 计算
在 while True 循环中，我们不断读取视频帧。为了准确反映性能，需要计算当前帧耗时。通过记录上一帧的时间戳，可以算出瞬时帧率，再结合历史数据进行加权平均。
while True:
ret, frame = cap.read()
if not ret:
break
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
情绪分析与异常处理
这是最关键的一步。调用 DeepFace.analyze() 对当前帧进行分析，指定 actions=['emotion'] 仅关注情绪。由于网络请求或模型加载可能偶尔失败，务必加上 try-except 块来捕获异常，防止程序直接崩溃。
