企业官网建设流程全解析

简介：这是一份Python大熊猫主题人工智能互动拍照系统的完整工程源码，基于Python语言和Flask/Django框架搭建Web服务，适合中级Python开发者用于AI趣味应用实战。系统以拍照互动为核心，集成了人脸检测、姿态估计、卡通头像生成、熊猫表情贴纸、环境融合、视频融合、定时拍照与风格化选择等功能，直观展现AI模型在Web项目中的接入方式。资源包共55个文件：26个py脚本负责后端路由、模型推理、图像处理与工具函数，24张png图片展示各模块运行效果，3个html模板对应拍照、视频融合和风格化等交互页面，另有README与说明文档辅助部署调试。压缩包整体约58.42MB，目录结构清晰，便于按模块研读。目前已有85人学习，通过该项目可系统掌握Flask/Django项目组织、AI模型接口封装、图像处理流水线以及前后端联调方法，适合作为课程设计或毕业设计的起点。

1. 大熊猫互动拍照这题到底考什么：Python、摄像头与人工智能的最小合影系统

在景区互动屏、校园展示、朋友圈小游戏里，“大熊猫主题人工智能互动拍照”这几年成了 Python 开发者练手的热门项目。它把摄像头采集、人脸关键点检测、透明贴图合成和图片保存串成一条完整链路，也是人工智能正从尝鲜工具变成日常帮手的一个典型场景：不需要训练大模型，把现成模型接进摄像头，就能让人在屏幕前变成熊猫。这个题目很适合做人工智能大作业、毕业设计，也适合想在活动上快速搭一台互动装置的工程师。别把“AI”想得太神秘，核心是先定位人脸，再贴上熊猫五官；最小可见成果是“人站到镜头前，屏幕里出现熊猫耳朵”。看懂这条链路后，换老虎、兔子都只是换贴纸的事。

2. 系统拆解与选型：检测到合成的主链路，为什么是 MediaPipe 而不是 YOLO

2.1 一条主链路看懂互动拍照：摄像头帧 → 人脸关键点 → 贴图合成 → 快门保存

互动拍照系统可以拆成四段：画面采集、人脸理解、图像合成、结果保存。这四段有严格的先后关系，也决定了整个代码模块怎么划分。如果一上来就想着把整张照片丢给大模型去“画一只熊猫”，在本地摄像头场景里大概率跑不动，响应速度也达不到“按快门立刻出片”的体验。所以常见做法是把检测和渲染分开：采集端用 OpenCV 的VideoCapture循环读帧，理解端用现成人脸模型输出关键点，渲染端在 CPU 上做贴图合成，最后把合成后的帧写回屏幕或保存成照片。

采集端由cv2.VideoCapture(0)打开默认摄像头，循环调用cap.read()拿到一帧 BGR 图像。这里有个容易踩的坑：常见人脸模型输入要求 RGB，而 OpenCV 默认读出来的是 BGR，直接送进去不会报错，但会导致后续贴图位置全对、颜色却发蓝发红。我一般会在送入模型前做一次cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)，显示或保存时再保持原来的 BGR 帧。

人脸理解端，MediaPipe FaceMesh 会输出 468 个关键点，覆盖眼睛、鼻子、嘴唇、脸部轮廓。合成端根据关键点计算耳朵、眼圈、鼻子的目标位置，把透明 PNG 按比例缩放后做 alpha 混合。四个模块各自独立，调试时可以分开测：先用一张静态图验证贴图坐标，再开摄像头验证跟踪，最后才做按键和保存。我也习惯把图像合成抽成单独函数，否则主循环越来越难读，后面换贴纸或加滤镜时，很容易改坏已经调好的部分。

还有两个容易被忽略的参数：检测置信度和跟踪置信度。min_detection_confidence=0.6是一个比较平衡的值，太低会把墙面阴影、衣服纹理当成人脸，太高时侧脸或低头就检测不到。互动场景不需要识别身份，这个阈值别调到 0.9 以上，否则系统会显得很“笨”：用户歪一下头贴纸就消失了。

2.2 三套检测方案对比：Haar 级联、FaceMesh 与 YOLO，别被“大模型”带偏

我见过不少初学者一上来就选 YOLO，理由是“它是人工智能”。但互动拍照的核心不是检测到人脸框，而是要知道五官位置，贴纸才能放在正确的位置。YOLO 给的是 bounding box，耳朵贴在哪还需要额外计算；FaceMesh 直接给 468 个关键点，省掉再查一次关键点模型的步骤。下面是我实际取舍时常用的一组对比：

“CPU 上快不快”这件事不能只看参数表，同一台机器不同分辨率下差距很大。我一般把采集分辨率压到 640x480 甚至 320x240，再在显示层用cv2.resize拉回窗口尺寸。这样模型推理负担小，贴纸不会明显延迟。如果追求极致轻量，Haar 也能做：拿到人脸框之后，把熊猫耳朵放在框顶两角。它的缺点是对头部姿态不敏感，侧脸时耳朵依然贴在正上方，看起来像“平移的耳朵”。所以在大熊猫主题互动拍照这种要求贴纸贴合五官的场景，我用得最多的是 MediaPipe FaceMesh。

选型时别只看模型名气，可以先用一个小命令验证摄像头索引和 OpenCV 是否正常，再决定跑哪套检测。这样能避免后面把问题全堆在“人脸检测太慢”上。

python -c "import cv2; cap=cv2.VideoCapture(0); print('open:', cap.isOpened()); ret, f=cap.read(); print('read:', ret, f.shape if ret else ''); cap.release()"

这段代码做了三件事：尝试打开索引 0 的摄像头，读取一帧，输出是否成功和图像尺寸。如果输出open: False，优先换索引 1，而不是急着改算法。如果索引正确但read返回 False，多半是摄像头被系统设置占用了。

2.3 源码包不管怎么打包，至少要有这几个模块

拿到一个“【源码】”压缩包，最容易踩的坑是打开以后只有一两个py文件，一堆贴纸素材散落桌面，连安装依赖都靠记忆。按照工程习惯，一个能交付的源码包通常会有这几部分：main.py负责摄像头循环和程序入口，panda_render.py单独放贴图合成函数，assets/目录放 PNG 贴纸，requirements.txt写依赖，config.json放摄像头索引、窗口尺寸、贴纸缩放倍数这些可变参数。源码包是否“真能跑”，主要就看这些模块是否齐全。

我自己的项目里，main.py倾向于写得短，只做“读取配置、循环取帧、按键分发”这三件事；所有图像算法收进panda_render.py，这样不会因为一个import顺序问题导致整包跑不起来。贴纸素材的路径不要写在代码里，写成相对路径assets/ear_left.png，否则换一台电脑源码就变成“能看不能用”。依赖列表也别贪多，只写opencv-python、mediapipe、numpy这三样，更多库只会让装环境的人更痛苦。

这里还有一个经验：源码包里的requirements.txt建议利用pip freeze > requirements.txt生成时只保留顶层依赖，不要把它自己的间接依赖全部锁死。否则换一台电脑安装时会因为小版本冲突直接失败，而问题根本不在你的业务代码上。等第 3 章跑通最小 Demo 后，再按这个模块划分整理，你会发现后期加贴纸、加滤镜都不用重写主循环。

3. 把最小 Demo 跑起来：摄像头实时取流、人脸关键点与熊猫五官的坐标对齐

3.1 环境准备：从 Python 安装到 requirements.txt，一次把依赖装齐

如果从零开始，先解决 Python 环境。Windows 上安装时一定要勾选“Add Python to PATH”，不然下一步执行pip install会提示找不到命令。很多人以为“Python 装好了”，实际一敲python --version还是提示找不到，所以安装后先打开终端验证一下。建议到 Python 官方下载对应系统安装包；如果电脑上已经装过 3.8 或 3.9，直接复用也可以，我在不同版本上都跑过这个项目，没有遇到需要绑定某个小版本的问题。

项目依赖三样：opencv-python、mediapipe、numpy。我习惯先建虚拟环境再装，避免和系统里的其他 Python 包打架。项目根目录下执行python -m venv .venv，激活方式按系统区分：Windows 是.venv\Scripts\activate，Linux 是source .venv/bin/activate。然后在项目根目录写requirements.txt：

opencv-python mediapipe numpy

安装命令是pip install -r requirements.txt。这里不要试图用一个包把另外两个带起来，没有这种万能依赖。如果网络源慢，可以临时换成国内镜像源，但镜像源的包版本可能落后，装完后最好检查一下mediapipe的版本是否太旧，太旧会导致FaceMesh参数不兼容。装完后的验证命令是：

python -c "import mediapipe, cv2, numpy; print('deps ok')"

出现deps ok说明三样库都能导入。这一步做完，再用 2.2 里的摄像头检测命令确认取流正常。环境准备阶段最忌讳的是“以为装好了”就直接跑完整程序，后面报错的类型五花八门，根本分不清是环境问题还是代码问题。

3.2 第一段可运行代码：打开摄像头并画出 468 个关键点

先不急着贴图，把“人脸理解”这一步跑通，确认关键点输出正常。下面是最小的摄像头人脸关键点程序：

import cv2 import mediapipe as mp mp_face_mesh = mp.solutions.face_mesh face_mesh = mp_face_mesh.FaceMesh( static_image_mode=False, max_num_faces=2, refine_landmarks=True, min_detection_confidence=0.6, min_tracking_confidence=0.5 ) cap = cv2.VideoCapture(0) cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640) cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480) while cap.isOpened(): ok, frame = cap.read() if not ok: break rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) results = face_mesh.process(rgb) if results.multi_face_landmarks: for face_landmarks in results.multi_face_landmarks: h, w, _ = frame.shape left_eye = face_landmarks.landmark[133] right_eye = face_landmarks.landmark[362] eye_center_x = int((left_eye.x + right_eye.x) / 2 * w) eye_center_y = int((left_eye.y + right_eye.y) / 2 * h) cv2.circle(frame, (eye_center_x, eye_center_y), 5, (0, 0, 255), -1) cv2.imshow("panda-cam", frame) if (cv2.waitKey(1) & 0xFF) == ord("q"): break cap.release() cv2.destroyAllWindows()

这段代码先把 BGR 转成 RGB，再交给FaceMesh.process推理。拿到 468 个关键点后，取索引 133 和 362 分别作为左右眼外侧眼角，计算两眼中心位置并画一个红点。注意这里landmark.x和landmark.y都是归一化到 0～1 的坐标，必须分别乘上w和h才能变成像素坐标：x 方向乘宽度，y 方向乘高度。如果乘反了，红点会落在完全错误的区域。

max_num_faces=2表示最多同时检测两张人脸；互动拍照现场经常排队，一张脸太保守，两张避免漏检。refine_landmarks=True会额外输出虹膜关键点，对大熊猫眼睛贴纸很有用。cv2.waitKey(1)的参数 1 表示主循环每 1 毫秒检查一次按键，这样循环频率能贴近摄像头帧率；如果改成 0，画面只有按任意键才更新，互动就废了。运行后按Q退出，不要直接关窗口，否则摄像头资源可能没释放。

3.3 耳朵和眼圈怎么贴：坐标映射、缩放与透明贴图合成

关键点跑通后，第二步是合成。贴纸素材必须是带 alpha 通道的 PNG，cv2.imread读取时加cv2.IMREAD_UNCHANGED，否则透明信息会被丢掉。合成函数的核心是 alpha 混合：把贴纸的透明通道转成 0～1 的权重，用它把贴纸颜色和原图背景按权重混合。为了演示，我给出一个简单版本，贴着画面边界时直接跳过，正式工程需要补一个裁剪逻辑。

import cv2 import numpy as np def overlay_png(bg, fg, center_x, center_y, scale): """把透明的 fg 贴纸按 scale 缩放后，叠到 bg 的 (center_x, center_y) 位置""" h, w = bg.shape[:2] fg = cv2.resize(fg, None, fx=scale, fy=scale, interpolation=cv2.INTER_CUBIC) oh, ow = fg.shape[:2] x = int(center_x - ow // 2) y = int(center_y - oh // 2) # 贴纸超出画面时直接跳过，避免切片越界 if x < 0 or y < 0 or x + ow > w or y + oh > h: return bg alpha = fg[:, :, 3:] / 255.0 bg[y:y + oh, x:x + ow] = ( alpha * fg[:, :, :3] + (1 - alpha) * bg[y:y + oh, x:x + ow] ).astype(np.uint8) return bg

参数说明：center_x和center_y是贴纸中心点，scale是缩放系数。cv2.resize的fx和fy是相对原图尺寸的缩放，不是目标像素尺寸，这个容易混淆。返回的bg仍是原来的ndarray，只是被原地修改了。如果贴纸边缘有白色硬边，大概率是素材本身没有羽化，或者保存时误把透明通道存成全白。

耳朵定位的策略是“以眼距为基准”，不要用固定像素。人脸离镜头近时眼距大，耳朵要随之放大；人脸离镜头远时眼距小，耳朵要缩小。下面这段代码展示了怎么把左耳贴纸放到左眼左上方的合适位置：

eye_dist = abs(left_eye.x - right_eye.x) # 归一化眼距 ear_left_scale = (eye_dist * w * 1.6) / ear_left.shape[1] ear_left_center_x = int(left_eye.x * w - eye_dist * w * 1.3) ear_left_center_y = int(left_eye.y * h - eye_dist * h * 1.1) frame = overlay_png(frame, ear_left, ear_left_center_x, ear_left_center_y, ear_left_scale)

这里eye_dist是归一化数据，所以要乘w才能映射到像素。1.6是耳朵宽度相对眼距的倍数，1.3是横向偏移量，1.1是纵向偏移量，这三个系数要根据你下载的贴纸形状微调。右耳对应地使用right_eye.x，偏移方向反过来。调系数时一次只改一个变量，否则会发现耳朵既能飞到头顶又能沉到腮帮，很难判断是逻辑问题还是素材问题。

3.4 怎么验证贴纸没贴歪：先跑静态图，再开实时摄像头

不要一上来就开摄像头调参。先用一张正脸照片保存为test.jpg，用cv2.imread读取后跑同一张贴图逻辑，贴完保存成result.jpg，放大看耳朵是否对齐。如果发现歪了，多半是eye_dist没有按比例放大，或者fx/fy参数填反了。静态图的好处是可以反复看同一帧，不受画面抖动影响，能快速定位是“定位逻辑错”还是“素材缩放错”。

实时摄像头验证则要注意光线。光线太暗时 MediaPipe 会突然丢脸，贴纸瞬间消失，这种“闪一下”往往不是程序 bug，而是检测置信度掉下去了。把摄像头放在正面偏上一点，让脸在画面中央占三分之一到二分之一面积，是延长持续跟踪最有效的做法，比反复调阈值更管用。我在现场调试时还会故意做侧脸、低头、转身再回头这几组动作，观察贴纸能不能在 200 毫秒内重新跟上；如果跟不上，就把min_tracking_confidence和min_detection_confidence的差值拉开一些。

4. 从能跑到好用：快门交互、贴纸切换与大熊猫风格的三种落地做法

4.1 主循环加按键：空格拍照、数字键换贴纸、Q 退出

有了稳定的贴图，下一步是把它变成“互动拍照”。主循环里用一个cv2.waitKey(1)的返回值分发按键事件。ord(' ')是空格键，ord('1')是数字 1，ord('q')是退出。我习惯用一个列表保存多套贴纸，用current_style下标切换；按快门时保存的是当前套系合成后的画面，而不是原始画面，这样用户得到的照片就是带上熊猫耳朵的效果。

from datetime import datetime styles = ["classic", "smile", "cute"] current_style = 0 # 模型与摄像头初始化同 3.2，循环内做检测和合成 while cap.isOpened(): ok, frame = cap.read() if not ok: break # 这里执行人脸检测和贴图合成，结果写入 frame # frame = render_panda(frame, styles[current_style]) cv2.imshow("panda-cam", frame) key = cv2.waitKey(1) & 0xFF if key == ord(' '): filename = f"panda_{datetime.now().strftime('%Y%m%d_%H%M%S')}.jpg" cv2.imwrite(filename, frame) print("saved:", filename) elif ord('1') <= key <= ord(str(len(styles))): current_style = key - ord('1') elif key == ord('q'): break

代码逻辑是：先显示当前帧，再检查按键。空格键生成带时间戳的文件名，避免连拍时覆盖；数字 1、2、3 切换当前贴纸风格，映射到styles的下标；Q退出。要注意waitKey返回的是 32 位整数，强制& 0xFF是为了去掉不同平台上的修饰键高位，否则某些系统上空格键会识别成别的值，这是 Windows 和 Linux 行为差异带来的典型翻车点。

保存文件名用datetime.now().strftime精确到秒。排队场景里有人会连按空格，一秒内连续拍照会有覆盖风险，所以我一般会再加一个毫秒格式%f，或者把用户编号也拼进去。另外，cv2.imwrite写的是frame本身，如果合成函数只改局部区域，要确保合成结果确实落到了这个ndarray上，而不是返回了一个新的临时数组却没接住。

4.2 贴纸素材的选择与归一化：透明 PNG、尺寸随眼距缩放、不要只测一张脸

贴纸必须是带 alpha 通道的 PNG。JPG 没有透明层，贴上去会把整块矩形背景一起带上，大熊猫“耳朵”旁边会顶着一个白框。下载素材后，先洗一遍尺寸：尽量让两只耳朵在同一张图上，否则左右各一张贴纸很难对齐。用图像编辑工具把边缘羽化一下，不然贴出来的边缘会有明显硬边，在深色衣服背景上尤其明显。

尺寸归一化的原则是“按眼距缩放”，具体公式已经在 3.3 里给了。每换一套贴纸，都要重新调倍数，因为不同素材的耳朵占比不一样。我的做法是把缩放倍数和偏移系数写进config.json，换素材时只改配置，不改代码。这样就算有人把贴纸从“写实熊猫耳”换成“卡通平耳”，也不会影响人脸检测逻辑。

还有一个经验：不要只拿自己的一张脸测试。互动现场的观众有正脸、侧脸、戴眼镜、戴帽子、刘海遮住眉毛等各种情况。我至少会准备四五张不同性别、不同肤色的测试照片，跑一遍合成后看耳朵和眼睛的相对位置。如果某种脸型出现偏差，大概率不是贴纸问题，而是检测模型本身的输出差异，这时候需要把摄像头亮度或角度调一下，而不是改缩放系数。

4.3 三种大熊猫风格：贴纸叠加、五官微调、深度风格迁移

第一种是最常见的贴纸叠加，适合现场互动，成本和门槛最低。第二种在贴纸基础上做局部仿射变形：用眼角、鼻尖、嘴角三点计算一个仿射矩阵，把脸部中心区域微微拉宽，再把耳朵放大 5%～10%，让脸更圆更接近熊猫。第三种是用 CycleGAN 这类深度模型把贴图区域迁移成熊猫绒毛纹理，效果最自然，但模型往往有几十 MB，CPU 实时推理不现实。

如果只做“拍一张照片带走”，第一种就够了。如果想给毕业设计或人工智能大作业增加一点算法含量，可以做第二种。仿射变换的原理是对三组点做仿射映射，OpenCV 里对应cv2.getAffineTransform。下面这段代码示意了如何把脸部区域做轻微横向外扩：

import numpy as np face_area = frame[y0:y1, x0:x1] # 已经裁剪出的人脸区域 pts_src = np.float32([ [left_eye.x * w, left_eye.y * h], [right_eye.x * w, right_eye.y * h], [nose.x * w, nose.y * h] ]) pts_dst = np.float32([ [left_eye.x * w - 12, left_eye.y * h], [right_eye.x * w + 12, right_eye.y * h], [nose.x * w, nose.y * h + 24] ]) M = cv2.getAffineTransform(pts_src, pts_dst) face_warped = cv2.warpAffine(face_area, M, (face_area.shape[1], face_area.shape[0]))

pts_src是原始三点的像素坐标，pts_dst是目标坐标。这里把左右眼各向外平移 12 像素，鼻尖向下平移 24 像素，相当于把脸拉宽一点。warpAffine的第三个参数是输出尺寸，顺序是(宽度, 高度)，也就是(列数, 行数)，和frame.shape的(行数, 列数)正好相反，写反就会得到一张横竖比例错误的图。这种微调的幅度不能太大，否则画面边缘会出现明显的拉伸伪影。

第三种深度风格迁移更适合离线场景。可以在用户拍照完成后，把照片放进一个后处理队列，由 GPU 任务慢慢迁移生成“熊猫拟人化”版本，然后用 QR 码或屏幕叫号让用户取图。互动现场不适合直接拿 CycleGAN 做实时推理，排队用户几秒内拿不到照片，体验会非常差。选题时想清楚“这步放在实时链路还是离线链路”，比纠结模型选哪个更重要。

5. 常见问题与避坑指南：黑屏、贴图乱飞、低帧率与图片异常逐一排查

5.1 摄像头黑屏或打不开：先排除系统设备，再谈源码

现象：运行后cap.isOpened()返回 False，或者窗口打开后一片黑。原因可能有三类：摄像头索引不对，内置摄像头不是 0；视频会议软件占用了摄像头，导致 OpenCV 拿不到设备；有些旧笔记本的摄像头驱动需要系统权限。解决办法先用系统自带的相机应用确认摄像头本身没问题，再回到 Python 里尝试VideoCapture(0)和VideoCapture(1)。如果系统应用能打开但 OpenCV 打不开，把可能占用摄像头的软件全部退出，再重新运行程序。注意读取帧后要检查ret and frame is not None，不能假设cap.read()一定成功。

5.2 贴图错位：把归一化坐标当像素坐标是最常见的翻车原因

现象：耳朵不在头顶，而是挂在脸颊，甚至随着人脸旋转乱飘。原因：关键点坐标是 0～1 的归一化值，需要分别乘上画面的宽和高才能变成像素坐标。有些代码只乘了frame.shape[0]，也就是只乘了高度，结果 x 和 y 方向被同时映射到纵向轴，位置自然全错。解决办法是在定位坐标时统一写成x * w、y * h，并打印w, h确认和实际画面一致。还有一类错位是把左眼角坐标当成“耳朵中心点”，耳朵锚点应该在眼睛左上方，需要用眼距和偏移系数额外算一次，而不是直接使用关键点坐标。

5.3 帧率个位数：贴纸在循环里反复读盘、模型输入太大

现象：屏幕画面明显卡顿，人脸动一下要等半秒。最常见的原因是把cv2.imread写在了while循环里，每帧都从磁盘读一次贴纸，频繁 I/O 直接把 CPU 拖垮。另一个原因是摄像头分辨率被设成 1920x1080，再加上 MediaPipe 推理，CPU 满载。解决方法是把贴纸读取放到循环外，只在初始化阶段加载；同时用cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)把采集分辨率降到 640x480，显示层如果觉得画面小再用cv2.resize放大。这样既保证贴图清晰，又不会让模型推理在超大图上空耗算力。

5.4 保存的照片全黑或被拉伸

现象：cv2.imwrite没有报错，但打开图片是全黑；另一类是人物被横向或纵向拉伸。全黑通常是因为frame是空帧，或者合成时把bg转成了 float 类型而没有转回uint8；拉伸则多发生在cv2.warpAffine或cv2.resize时，把输出尺寸的(宽度, 高度)写成了(高度, 宽度)。解决方法是保存前检查frame is not None，并且如果做过 warp，记得把数据类型转回np.uint8。我还会用cap.get(cv2.CAP_PROP_FRAME_WIDTH)把采集宽度打出来核对一次，确认逻辑用的尺寸和真实帧尺寸一致。

5.5 特定脸型识别不稳：检测模型也存在偏差，别把锅都扣给代码

现象：肤色偏深的人或戴眼镜的用户一到镜头前，贴纸就消失；肤色较浅的人却没问题。原因：MediaPipe 等开源模型的训练数据里某些面部分布不够充分，这是“人工智能偏见”在工程现场的具体体现，不是你的合成逻辑发生了变化。解决措施：在摄像头前上方打一盏柔光灯，避免顶光在眼窝和颧骨形成大片阴影；把min_detection_confidence从 0.6 降到 0.4 左右；在画面角落加一句“请正对镜头”。不要把时间花在写一堆 if 去猜皮肤颜色，那样既治标不治本，还会拖慢帧率。

6. 交付前最后二十分钟：一键启动脚本、参数压测与“素材路径别带中文”的血泪经验

把 Demo 跑通是一回事，能交给别人用是另一回事。我通常会在交付前做三件事：写一键启动脚本、压测最长连续运行、把所有素材路径统一改成英文。一键启动脚本在不同系统里稍有差异，Windows 可以写一个start.bat，内容类似python main.py；Linux 下写start.sh，在python main.py前先激活虚拟环境。目标是把“打开终端、激活虚拟环境、输入命令”这三步压缩成一次双击，非技术用户才不会反复来问你“为什么双击没反应”。

压测时我会在摄像头前放一个人匀速走动，连续跑 20 分钟，观察内存是否上涨、贴纸是否消失、保存文件是否生效。MediaPipe 的模型常驻内存后一般不会明显涨，但如果贴纸读取写在循环内，内存和 CPU 都会波动。同时检查显示窗口上的操作提示，排队用户能否第一眼知道怎么拍照。我的习惯是把文字提示直接画在画面上：cv2.putText(frame, "SPACE: save, 1/2/3: style, Q: quit", ...)，这样比打印到终端直观太多。

素材路径别带中文，这是我翻车最多的一次。Python 在 Windows 上读取中文路径不一定报错，但 OpenCV 的imread会悄悄返回 None，贴纸加载失败，程序还不退出。交付前把所有目录改成assets/、output/这类纯英文。另外提醒一下，源码里的requirements.txt不要写死版本号，换电脑安装时版本冲突反而让你变成“AI Coding 工程师”也调不好。希望帮到你。

本文还有配套的精品资源，点击获取