DeepFace + OpenCV 实时情绪识别实战

DeepFace + OpenCV 实时情绪识别实战

利用深度学习库 DeepFace 结合 OpenCV，我们可以快速构建一个实时的人脸情绪分析系统。这个项目不仅能捕捉视频流，还能在每一帧上标注出检测到的人脸情绪及置信度，同时监控运行帧率（FPS）。

环境准备

实现这个功能主要依赖以下组件：

• 硬件：普通的电脑摄像头即可。
• 软件库：
  • opencv-python (cv2)：负责视频流捕获、图像处理及绘图。
  • deepface：核心深度学习库，专门用于面部属性分析（年龄、性别、情绪等）。
  • numpy & time：辅助进行数值计算和时间戳管理。

核心逻辑梳理

整个流程并不复杂，关键在于如何高效地处理每一帧图像。

1. 初始化：打开默认摄像头，设置 FPS 计算的平滑参数。
2. 主循环：持续读取视频帧。如果读取失败则退出。
3. 性能监控：通过记录时间差计算瞬时 FPS，并使用滑动平均算法让显示更稳定。
4. 情绪分析：调用 DeepFace.analyze() 对当前帧进行分析。这里设置了 enforce_detection=False，防止因未检测到人脸而直接报错中断程序。
5. 结果绘制：遍历分析结果，在画面上画出人脸矩形框，并在上方标注情绪名称和置信度百分比。
6. 交互退出：监听键盘输入，按下 q 键即可安全关闭窗口并释放资源。

完整代码实现

下面是整合后的完整脚本。你可以直接运行它来测试效果。注意观察代码中关于异常处理和绘图的部分，这些都是实际工程中容易踩坑的地方。

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

# 打开默认摄像头
try:
    cap = cv2.VideoCapture(0)
except Exception as e:
    print(f"无法打开摄像头：{e}")
    exit()

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

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

    
    current_time = time.time()
    delta_time = current_time - prev_time
    prev_time = current_time

     delta_time > :
        instant_fps =  / delta_time
        fps = alpha * fps + ( - alpha) * instant_fps

    
    :
        
        result = DeepFace.analyze(frame, actions=[], enforce_detection=)
        
         face  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:
        
        

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

    
     cv2.waitKey() &  == ():
        


cap.release()
cv2.destroyAllWindows()