Python多线程情绪识别代码报错：TypeError - NoneType无len()方法

错误根源 #

1. 变量名写错：多线程代码里把cap.read()的返回值变量写成了result, frame，正确写法是ret, frame——cap.read()返回的是(读取成功标识, 视频帧)，你把成功标识命名成result，导致后续的frame实际为None，传给DeepFace.analyze后自然抛出NoneType相关错误。
2. 主线程提前释放资源：主线程启动子线程后立刻执行cap.release()和cv2.destroyAllWindows()，此时子线程还未开始读取摄像头，资源就被释放，必然导致读取失败。

修复后的多线程代码（支持情绪传递） #

用Queue实现线程安全的情绪传递，子线程识别出情绪后放入队列，其他函数可从队列取数据执行对应逻辑：

import numpy as np
import time
from threading import Thread
from queue import Queue

from cv2 import LINE_4
import cv2
from deepface import DeepFace

faceCascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture(1)

if not cap.isOpened():
    cap = cv2.VideoCapture(0)
if not cap.isOpened():
    raise IOError("无法打开摄像头")

# 线程安全队列，用于传递识别出的情绪
emotion_queue = Queue()

def emotion_recog():
    while True:
        ret, frame = cap.read()
        if not ret:
            print("读取摄像头帧失败")
            break
        
        # 分析情绪
        result = DeepFace.analyze(frame, actions=['emotion'], enforce_detection=False)
        dominant_emotion = result['dominant_emotion']
        
        # 将情绪放入队列，供其他函数调用
        emotion_queue.put(dominant_emotion)
        
        # 绘制人脸框与情绪文字
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        faces = faceCascade.detectMultiScale(gray, 1.1, 4)
        for (x, y, w, h) in faces:
            cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
        
        font = cv2.FONT_HERSHEY_SIMPLEX
        cv2.putText(frame, dominant_emotion, (50, 50), font, 3, (0, 0, 255), 2, LINE_4)
        cv2.imshow('实时情绪识别', frame)
        
        # 按下q键退出循环
        if cv2.waitKey(2) & 0xFF == ord('q'):
            # 放入结束标识，通知处理线程退出
            emotion_queue.put(None)
            break

def process_emotion():
    """处理识别情绪的示例函数，可根据需求修改逻辑"""
    while True:
        emotion = emotion_queue.get()
        if emotion is None:
            break
        # 这里写情绪对应的业务逻辑
        print(f"当前识别情绪：{emotion}，执行对应操作...")
        time.sleep(0.5)

# 启动线程
t_recog = Thread(target=emotion_recog)
t_process = Thread(target=process_emotion)

t_recog.start()
t_process.start()

# 等待线程执行完毕
t_recog.join()
t_process.join()

# 最后释放资源
cap.release()    
cv2.destroyAllWindows()

关键修改说明 #

• 修正cap.read()的变量名，确保frame为有效视频帧
• 用Queue实现线程安全的情绪传递，避免多线程共享变量冲突
• 主线程等待子线程执行完成后再释放资源，解决提前释放问题
• 新增process_emotion示例函数，展示如何接收并处理识别出的情绪
• 增加帧读取失败判断，提升代码健壮性

内容的提问来源于stack exchange，提问作者Fahad Khan