механизм не понял. Вы снимаете клиента, и как то анализируя его поведение (счастливые улыбки пенсионерок) выдаете качество обслуживания? чот верится с трудом.ибо сложная задача.
не проще ли тупо писать диалог через микрофон и если уровень звука повышается (клиент орёт)- делать аналитику что общение было плохим?