核心用法
本技能是一款专业级微表情情绪分析系统，基于计算机视觉技术与面部动作编码系统（FACS）心理学理论，通过分析上传的人物面部视频，生成结构化的情绪状态报告。
主要功能流程：
1. 视频输入：接收本地视频文件或网络URL（mp4/avi/mov格式，最大100MB）
2. Open-ID认证：强制四级验证流程获取用户标识（配置文件→公共目录→用户输入→强制暂停提示）
3. 多维分析执行：调用scripts/emotion_analysis.py脚本，支持5种分析类型：
4. 报告输出：结构化JSON报告，包含整体情绪状态、7种基础情绪识别、微表情关键线索、情绪真实度评分（0-100）、人际交往建议
comprehensive（综合分析，默认）basic（基础情绪识别）micro（微表情捕捉专项）trust（情绪可信度评估）other（其他定制分析）
技术维度覆盖：
- 眼部区域：瞳孔缩放、眨眼频率、眉毛位置、眼睑开合
- 嘴部区域：嘴角变化、嘴唇紧绷度、咬肌紧张度
- 鼻部区域：鼻翼扩张/收缩、鼻梁皱纹
- 面部肌肉细节：毫米级精度捕捉转瞬即逝的肌肉变化
显著优点
1. 科学理论基础扎实：基于Ekman的FACS面部动作编码系统，而非简单的表情匹配
2. 复合情绪识别能力：不仅能识别开心/悲伤/愤怒/惊讶/恐惧/厌恶/好奇等基础情绪，还能检测真实情绪伪装、情绪波动轨迹、压抑情绪线索、矛盾情绪关系
3. 情绪可信度量化：提供0-100分的情绪真实度评分，以及言语表达与微表情的一致性评估
4. 云端数据管理：强制要求通过API接口查询历史报告，支持报告列表检索与超链接跳转查看
5. 多场景适配：支持心理评估、人机交互优化、行为分析、人际交往指导等专业场景
潜在缺点与局限性
1. 视频质量敏感：分析精度严重依赖光线条件、面部清晰度、遮挡物（口罩/墨镜/帽子会显著降低精度）
2. 非专业替代性：明确声明不能替代专业心理测谎或心理咨询，结果仅供参考
3. 单一人物限制：每次分析仅针对单个面部主体，多人场景需分别处理
4. 静态框架约束：依赖预训练模型，对跨文化微表情差异、个体习惯性表情模式的自适应学习能力未明确说明
5. 隐私与伦理风险：面部生物特征数据的采集、存储、传输存在合规性要求，用户需自行确保授权合法性
适合人群
- 心理学研究者与咨询师：需要客观量化数据支撑情绪评估
- HR与面试官：辅助判断候选人真实情绪反应与言语一致性
- 产品经理与UX设计师：优化人机交互中的情感反馈设计
- 安全与风控人员：辅助识别异常情绪行为模式
- 普通用户：了解自身或他人在特定场景下的情绪真实状态
常规风险
| 风险类型 | 具体描述 | 缓解建议 |
|---------|---------|---------|
| 隐私泄露风险 | 面部生物特征属于敏感个人信息 | 确保视频来源合法授权，确认服务商数据存储合规性 |
| 误判风险 | 光线/角度/遮挡导致识别偏差 | 要求正面清晰拍摄、光线均匀、无遮挡的最佳实践 |
| 过度依赖风险 | 将参考结果当作绝对 truth | 始终结合情境判断，明确"仅供参考"定位 |
| 技术失效风险 | API服务中断或脚本依赖缺失 | 检查`requests>=2.28.0`依赖，确认网络连通性 |
| 伦理误用风险 | 用于非正当的情绪监控或操控 | 仅限合法授权场景使用，禁止未经授权的分析行为 |