核心用法
Micro-Expression Recognition & Analysis Tool 是一款融合前沿计算机视觉技术与心理学微表情理论的专业情绪分析系统。用户上传人物面部视频（本地文件或网络URL）后，系统将自动执行以下分析流程：
1. 视频预处理：毫米级精度捕捉面部特征，识别转瞬即逝的细微肌肉变化
2. 情绪维度分析：
- 基础情绪识别：基于面部动作编码系统（FACS）识别7种基础情绪（开心、悲伤、愤怒、惊讶、恐惧、厌恶、好奇）及其3级强度
- 复合情绪捕捉：识别真实情绪伪装、情绪波动轨迹、压抑情绪线索、矛盾情绪主次关系
- 面部肌肉细节：量化眼部、嘴部、鼻部、面颊区域的微观动作
- 情绪可信度评估：0-100分真实度打分，对比言语表达与微表情一致性
3. 报告生成：输出结构化的情绪状态分析报告，包含人际交往建议
关键调用参数：
--analysis-type：comprehensive（综合）/basic（基础）/micro（微表情专项）/trust（可信度评估）--open-id：强制身份标识（按优先级从配置文件获取或用户主动提供）--list：云端历史报告查询（强制禁止本地记忆回退）
显著优点
- 技术权威性：基于Paul Ekman的FACS编码系统，具备心理学理论根基
- 多维量化：从单一情绪标签扩展至肌肉级细节+可信度评分的立体评估
- 反伪装能力：专门设计用于穿透语言与表层表情伪装，捕捉"一闪而过的真实"
- 云端数据隔离：强制云端API获取历史报告，避免本地记忆污染，确保分析独立性
- 灵活输入支持：同时支持本地视频上传（multipart/form-data）与网络URL自动下载
潜在缺点与局限性
- 前置条件严苛：要求"正面清晰、光线充足、面部无遮挡"，实际场景适用性受限
- 伦理敏感性：微表情分析涉及隐私边界，易引发"测谎"误用争议
- 技术免责声明明确：文档多次强调"仅供参考交流，不能替代专业心理测谎或咨询"
- 依赖外部API：核心分析能力耦合云端服务，离线场景不可用
- 身份验证刚性：open-id获取流程复杂，4步优先级+强制暂停策略可能中断用户体验
适合人群
- 心理学研究者：需要量化情绪数据的实验场景
- 人机交互设计师：优化情感计算模型的训练数据获取
- 商务谈判/HR从业者：辅助判断对方真实态度（需严格遵循伦理边界）
- 影视/内容创作者：分析角色表演的情绪层次真实性
常规风险
| 风险类型 | 具体表现 | 缓解措施 |
|---------|---------|---------|
| 误用风险 | 将娱乐性工具当作司法级测谎仪 | 文档明确标注"非专业心理测谎" |
| 隐私风险 | 未经授权分析他人面部视频 | 依赖用户输入时的合规性自律 |
| 数据安全风险 | 视频上传至第三方API服务 | config.yaml支持自定义api-url |
| 结果偏差风险 | 遮挡/光线/角度导致的精度下降 | 前置视频质量检查提示 |
架构特点
技能采用"强制规则优先"设计：open-id获取的4步优先级流程、历史报告查询的云端强制约束、本地记忆的绝对禁止读取，体现了对数据一致性和分析独立性的严格管控。