阅面科技CEO赵京雷：表情识别可以测谎吗

      近日来，乐视发布了一款外界期待已久的超级汽车。这款汽车不仅可以实现自动驾驶功能，还可以实现自我学习，具备人脸识别，情绪识别和环境识别等功能。那么，关于情绪识别运用于ADAS上，从技术角度来讲，这一过程是如何实现的呢？
 

       首先，情绪识别运用于ADAS中，比较典型的场景有疲劳驾驶和路怒驾驶的检测和预警。通过实时捕获驾驶者的面部表情特性，可以理解驾驶者的情绪和精神状况。如发现驾驶员有疲劳驾驶和路怒驾驶的状况后，可以触发一系列干预手段。从技术角度，比如疲劳驾驶可以通过若干动作单元以及面部特征的组合来识别，比如闭眼超时、眉头下垂、睁眼被动等。
 

       那么情绪识别是什么呢？广义上来说它是可以通过表情、语音语调或者脑电捕捉等进行的生物识别技术。然而目前技术上最成熟、得到广泛应用的是表情识别技术，也就是基于计算机视觉算法，识别人脸的表情动作和推断喜怒哀乐等基本情绪。
 

       面部情感的研究始于 19世纪，达尔文在他著名的论著《人类和动物的表情》中就阐述了人的面部表情和动物的面部表情之间的联系和区别。根据心理学的基本情绪理论，人类的基本情绪包括：喜悦、悲伤、愤怒、讨厌、害怕、惊奇和中性。为了理解人类的表情变化，著名心理学家Paul Ekman教授（美剧lie to me的角色原型）提出了一套面部动作编码理论（Facial Action Coding System），把人类的表情分解为多个面部动作单元(Action Units)，来描述面部表情和研究人类的认知行为。为多个面部动作单元，来描述面部表情和研究人类的认知行为。虽然这些面部单元单独并不能够代表任何的情感，但是它们的组合理论上可以表达人类的任何面部表情。
 

      FACS的基本示意如下：

 

       近些年，随着计算机技术和人工智能技术及其相关学科的迅猛发展，FACS编码系统也被成功的运用于表情识别。首先，机器学习算法会从很多的表情照片中习得特定的表情单元是否出现。不同的表情单元组合代表了不同的表情，比如AU12+AU6在一定程度上表示了喜悦的情绪，AU4+AU16的组合在某种意义上表示了悲伤的情绪。表情单元的不同组合代表了不同的情绪，基于表情单元对表情进行识别，理论上可以捕捉上千种的不同的情绪，并进一步可以做到表情映射和迁移，即把人的表情变化实时迁移另外一个人物模型上面去。

 

  

       有人也许会问：既然机器通过学习算法，理论上可以识别各种不同情绪，那表情识别可以用来测谎吗？在现实世界中，人类的内心世界和表情十分复杂，往往会有一些假的表情，比如强装笑颜或者假笑。相信看过美剧《Lie to me》的朋友，应该十分向往剧中Ekman教授通过识别人的表情来判断一个人是不是在说谎的情景。比如笑的时候只牵动了颧大肌，那么这八成就是一个实实在在的假笑，因为一个的自然笑除了颧大肌以外眼轮匝肌也会被牵动。心理学研究表明，真笑和假笑在一定程度上可以通过动作所涉及到AU的强度和动态过程来区分。其中AU的动态信息，例如持续时间和达到动作峰值的速度等，尤其具有显著的区分能力。近年来，学术研究界有些工作将自动表情分析技术应用于这方面。

  

       区别于基本情绪识别，上面这种称之为“微表情”。虽然学术届有些研究，但在应用中，目前这种“微表情”的识别还没有较成熟的商用系统，实用性不强。所以，计算机领域的“表情识别”主要还是指对人类基本情绪的识别，而不是微表情识别。让计算机或者人工智能技术通过表情识别去做《Lie to me》中的微表情测谎，目前是不太现实的，这可能会让大家失望。主要的原因，不是因为现在的计算技术达不到，而是因为这方面的心理学理论还缺乏对“微表情”的清晰定义，从而构建相关数据来指导计算机认知就非常困难。
 

       但近年来，情绪识别应用于ADAS逐渐火热了起来，关于乐视汽车中情绪识别运用于ADAS上，从技术角度而言，这个过程是这样实现的。情绪识别在用于ADAS的技术实施上，要考虑对人脸的捕捉角度以及计算效率等问题。ADAS系统要实时的在后台计算，所以这种情况下，云服务不是好的选择。而是需要让计算机视觉的识别算法能够高精度、高效率的运算在本地的嵌入式系统上。算法的前端化是计算机视觉应用于消费级智能机器的趋势。