人体视觉情绪识别分析
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_bb47e3e3/human-emotion-recognition-analysis。
技能介绍
要解决的问题
在交互、客服或心理健康监测场景中,用户常常只有图片或短视频素材,但缺少可解释的情绪信号。单凭人工观察难以覆盖快乐、悲伤、抑郁、平静、愤怒、惊讶、恐惧等多维状态,也很难判断强度变化和异常片段。
如何工作
该技能把人脸图片/视频作为输入,先通过 --input 或 --url 指定素材,再用 scripts/human_emotion_recognition_analysis.py 调用分析服务。核心能力包括:
- 多分类情绪识别:识别正面人脸中的常见情绪维度;
- 强度量化:输出情绪分数,并可用
--threshold标记异常; - 结构化报告:生成分析结果、风险提示、建议与报告链接;
- 历史查询:通过
--list从云端读取历史报告,避免依赖本地记忆。
执行时建议保持在技能根目录运行,媒体类型可用 --media-type video/image 指定,输出粒度可用 --detail json 调整。
边界与注意
该技能适合交互反馈与状态参考,不能替代专业心理咨询或诊断。输入需要清晰且符合场景;视频支持 mp4/avi/mov,图片支持 jpg/png/jpeg,单文件不超过 10MB。若发现持续异常情绪,应及时寻求专业帮助。
使用场景
- 客服会话后,用用户提供的聊天录屏图片,批量生成快乐、愤怒、平静等情绪识别与强度分析报告。
- 心理健康服务中,对来访者提供的自拍视频片段做异常情绪阈值标记,并整理风险提示供专业人员复核。
- 人机交互测试时,对原型演示视频中的正面人脸片段进行多分类情绪打分,形成可比较的趋势统计材料。
- 报告复盘时,使用云端历史报告查询能力,按日期范围定位往期情绪识别报告中的异常强度样例。
适合人员
- 处理会话录像的客服质检负责人,需要把用户情绪维度和异常强度整理成结构化复核报告。
- 心理健康监测产品工程师,需要基于人脸视频片段获得强度分数与异常标记,支撑预警规则设计。
- 人机交互研究员,需要比较不同原型演示中正面人脸的多分类情绪分布和趋势变化。
- 负责报告查询的分析运营,希望从云端列出往期情绪识别报告并定位异常样例。