DeepFace 结合 OpenCV 实现实时情绪分析

引言

情绪识别是计算机视觉中一个有趣且实用的方向。通过摄像头捕捉人脸，利用深度学习模型分析面部表情，我们不仅能看到技术落地的可能性，还能将其应用到心理健康评估、用户体验研究等实际场景中。

本项目使用 Python 编写，核心依赖 DeepFace 进行情感分析，OpenCV 处理视频流和图像绘制。下面我将带你一步步拆解实现过程。

环境准备

除了基础的 Python 环境外，你需要安装以下库：

• OpenCV (cv2)：负责摄像头捕获、图像处理及界面绘制。
• DeepFace：基于深度学习的 API，提供年龄、性别、情绪等属性预测。
• NumPy & Time：用于数值计算和时间戳管理（FPS 计算）。

安装命令通常如下：

pip install opencv-python deepface numpy

核心逻辑解析

1. 初始化与视频流

程序启动后，首先调用 cv2.VideoCapture(0) 打开默认摄像头。这里需要注意，如果系统有多个摄像头设备，可能需要调整索引值。

2. FPS 帧率计算

为了监控程序性能，我们需要计算每秒帧数（FPS）。简单的做法是记录两帧之间的时间差，但直接显示瞬时值会跳动剧烈。因此，我采用滑动平均算法（Exponential Moving Average），通过权重参数 alpha 来平滑数据，让显示的 FPS 更稳定。

3. 情绪分析与绘制

这是最关键的部分。在每一帧循环中：

1. 读取当前画面。
2. 调用 DeepFace.analyze() 并指定 actions=['emotion']。
3. 遍历返回结果，提取人脸区域坐标、主导情绪及置信度。
4. 使用 OpenCV 的绘图函数在画面上框出人脸，并在上方标注情绪名称和百分比。

如果遇到无人脸或识别失败的情况，代码中加入异常捕获机制，避免程序直接崩溃，同时打印错误信息以便调试。

4. 交互控制

主循环中使用 cv2.waitKey(1) 监听键盘输入。按下 q 键即可退出程序，释放摄像头资源并关闭窗口。

完整代码

将上述逻辑整合在一起，完整的脚本如下。注意代码中的注释，它们解释了关键步骤的设计意图。

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

# 打开摄像头，0 代表默认设备
cap = cv2.VideoCapture(0)

# FPS 计算相关变量
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:
        (, e)

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

    
    cv2.imshow(, frame)

    
     cv2.waitKey() &  == ():
        

cap.release()
cv2.destroyAllWindows()