情绪识别这玩意儿这几年用得越来越多，算不上多高深，但随手搭一个出来玩玩还挺有意思。这篇就聊聊怎么用 DeepFace 和 OpenCV 快速整一个实时情绪分析的小应用。
能用来干什么
说一些常见的落地场景，不一定都靠谱，但思路可以借鉴：
- 心理健康：长期监控情绪变化，辅助医生做评估，不过准确度这块还得打个问号。
- 用户体验研究：看用户试用产品时的表情，比问卷来得直接。
- 游戏和 VR：根据玩家情绪动态调整难度，沉浸感会强一些。
- 安防监控：在公共场所检测异常情绪，但容易有误报。
- 教育：老师能大致了解学生听课状态，上课走神一眼就能看出来？没那么神。
- 智能助手：设备感知到你不耐烦了，就少说废话。
- 疲劳驾驶：配合其他传感器，情绪也算一个维度。
用了哪些轮子
硬件就是普通摄像头，笔记本自带的就行。
软件方面：
- OpenCV：处理视频流、画框写字。
- DeepFace：封装了人脸分析和情绪预测，省得自己训模型。
- Python 标准库，比如
time算帧率。
代码怎么跑的
逻辑很简单：打开摄像头 → 抓帧 → 算 FPS → 调 DeepFace 分析 → 把结果画到画面上 → 按 q 退出。
初始化
先导库，然后打开默认摄像头。prev_time 记录上一帧时间，fps 是当前帧率，用指数移动平均（alpha 0.9）平滑一下，否则数字跳得没法看。
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
主循环与 FPS
每帧计算时间差，求瞬时 FPS 再平滑。写了个简单的滑动平均，alpha 越大曲线越稳，但响应会慢。
while True:
ret, frame = cap.read()
if not ret:
break
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
