如何科学地发一张好人卡?

不发表情包 , 就不知道如何将聊天进行下去 , 这就是“表情包时代”当代年轻人的网络聊天的现状 。 微信平台2017年的数据显示 , 仅微信平台内的表情包日发送量就已超过每天6亿次 。

表情包成了我们表达情绪的替代 , 可你有没有想过 , 某种程度上 , 我们彼此的真实情绪却被掩藏和忽略了 。 那些每天发着“哈哈哈哈哈哈哈”的网友 , 真实的情绪状况是怎么样呢?

2018年 , 美国分析公司盖洛普向143个国家的15.1万人提出了一系列问题 , 询问他们前一天的情绪感受 。 结果显示 , 愤怒、担忧和悲伤这几个负面情绪的比例都达到了新高 。 这个结果相当令人震惊 , 因为如此大规模的潜在负面情绪 , 可能是我们生活中各种人际冲突或者意外危险的导火索 。

其实 , 无论是潜藏于表情包的情绪 , 还是潜藏于脸部表情的情绪 , 不同的人通过肉眼判断的结果可能大相径庭 。

来做个测试 , 如果在现实中 , 你第一次见到如下两位陌生的朋友 , 你觉得他们现在的情绪如何?

如何科学地发一张好人卡?

----如何科学地发一张好人卡?//----[ http://www.caoding.cn]

“感觉内心毫无波澜”、“看起来温和稳重 , 情绪稳定“ , 还是”不太好说“?

结论如何 , 我们先往下看 。

知人知面也能知心?

“不要以貌取人”、“知人知面不知心” , 尽管我们大多数人自小就被类似的说法教育 , 不要轻易评判他人的外貌 , 但在现实的生活中 , 通过外表体貌这一直观、感性的方式辨别和判断他人几乎是全人类的共同直觉 。 在漫长的外貌识别的实践中 , 我们还形成了一系列朴素的、共同的逻辑和经验 。

比如 , 仅看如上两张照片 , 脱离具体语境 , 很多人依然能得出对两位情绪甚至情绪的大致判断 , 正是这种关于面相的共同经验在发挥作用 。 比如 , 有人可能会觉得图中的二位长得有点像 , 是因为他们在面部轮廓和五官分布上呈现出了相似特点 , 他们的面部轮廓的线条都很柔和 , 颧骨低平 , 五官分布(眉眼距、人中长度等)比例相似 。

而之所以有人会觉得他们的情绪稳定 , 推测他们行事稳重 , 可能因为他们五官的具体特点符合中国人对此类人面相特点的归纳 。 比如 , 他们的眉形都很流畅、眼尾既不上扬也无明显下垂 , 鼻头有肉感 , 嘴角自然上扬 , ?下巴丰隆没有尖角……照片上的他们看上去露着淡淡笑容 , 毫无攻击性 。

这里的每一点都符合中国传统面相学中对于脾气好的人的描述 , 而任意一点的反面在面相大师眼里 , 都指向性情完全相反的人群 。

那么现实生活中真的有这样完美的两个人吗?他们又是谁呢?

是时候详细地公布一下答案了 , 图中的男女不是两位真实存在的人类 , 而是中国平安财产保险股份有限公司(下称平安产险)在百万人脸数据库内中 , 用风险最低的车主合成的两张平均人脸 , 也就是说 , 这是平安产险大数据和AI识别技术下 , 计算出的男女“行车最安全的样子“或者说 , “驾车情绪最稳定的样子” 。

你也许会问 , 得到这样两张平均脸对我们来说有何意义呢?如果说谁的长相越趋近于平均脸 , 谁的驾车风险就越低 , 那对于长相天生就确定了的大家而言 , 知道了自己与平均脸相差甚远 , 难道就要放弃驾车吗?

需要指出的是 , 这两张平均脸并非意在提供低风险驾驶者长相的唯一标准答案 , 而是利用大数据和AI识别技术 , 提供一种“低风险行车状态”的车主情绪表现的最大公约数 。

而这种供AI识别和参考的面部信息 , 也不是我们上面提到的、由五官组成的“面相” , 而是透露着我们真实情绪状态的——微表情 。

表情会说谎 , 但微表情不会

笑就代表一个人正感到开心吗?想想假笑男孩 。 我们每个人都没少在生活中掩饰和伪装自己的真实情绪 。

那么 , 情绪识别需要得到什么关键信息 , 才能刺破我们的表演和伪装 , 识别出我们被压抑的情绪呢?这一切都要感谢心理学家关于“微表情”的发现 。

美国心理学家保罗·艾克曼经过大量研究发现 , 人类的情感世界中 , 的确存在六种可以通过面部表情来鉴定的、基础的、普遍的基本人类情绪:幸福、愤怒、悲伤、鄙夷、惊讶和恐惧 。 并且 , 这指向这六种情绪的普遍表情虽然可能在人的面部转瞬即逝(停留时间仅为1/25秒至1/5秒) , 但是它们是无法被克制住的 , 埃克曼将其命名为“微表情” 。

如何科学地发一张好人卡?

----如何科学地发一张好人卡?//----[ http://www.caoding.cn]

这意味着 , 即使再伪装 , 只要能捕捉到微表情 , 人类的面部表情和内心普遍的情绪存在的相关性就能被识别出来——保罗·艾克曼这个研究成果 , 正是如今所有情绪识别技术的基础 。

1978年以来 , 埃克曼就一直亲自教人们检测微表情 。 他先后在中央情报局 , 苏格兰场 , 国土安全部和其他许多地方训练过操作员和军官 , 他的理论和经历后来被改编成了知名的美剧《Lie to me》 。 普罗大众在各种影视作品书籍的熏陶下 , 也逐渐建立起了一些基本认识:

比如 , 当一个人嘴角翘起 , 面颊上抬起皱 , 眼睑收缩 , 眼睛尾部形成“鱼尾纹” , 那么ta一定在快乐的情绪中;一个人眉毛下垂 , 前额紧皱 , 眼睑和嘴唇不自然地处于紧张状态 , ta马上就要发怒了……

从微表情的角度出发 , 再重新观察我们在文章开头看到的平均脸 , 他们眉毛上扬 , 眉眼舒展 , 整个面部处于自然放松的状态 , 这正是微表情的角度“安全的样子” 。

然而 , 微表情的识别和检测始终一个非常复杂困难的系统 , 人脸的表情由几百条细微的小肌肉控制 , 仅依靠权威专家的经验辨别 , 效率低 , 准确性也难以保证 , 于是市面上总存在一种声音:“微表情很玄 。 ”

知己知彼 , 百“驾”不殆

这就意味着 , 我们若想由微表情准确了解真正的情绪 , 只有在大数据内容库和AI识别技术的辅助下 , 一边 , 利用计算机视觉 , 精确识别面部表情的每一个细节 , 另一边用大数据和AI技术 , 分析和解释面部特征的情绪内容 。

在这种共识下 , 越来越多的AI公司将目光转向了微表情识别领域 , 微表情在各行业应用的巨大可能性 , 直接催生了一个飞奔向千亿市场容量的朝阳产业 。

早在 2009 年 , 第一家营销“人工情绪智能”的公司 Affective 就已经将情绪检测技术作为市场研究产品出售 。 苹果的Siri , 微软的Cortana以及Google助手背后的团队都在开发使用语音和面部识别的情感检测系统 。

除了开发这些更懂人类情绪的机器为人类的生活增光添彩 , 对于微表情识别技术而言 , 如果机器能够实时识别情绪 , 并进行情绪相关的行为预警 , 帮助人类规避危险情形 , 或许更加实用 。 一个非常迫切并实用的场景 , 就是驾驶场景 。

交通事故统计结果显示 , 人为因素是交通事故的主要因素 。 而怒路症是全球性的问题 , 英国的研究发现 , 22%的司机都有过下车与别的司机争吵的经历 , 39%的司机表示 , 心情不好会迁怒于其他司机 。

如果大数据和AI识别技术能应用在此处 , 提前识别出车主的驾驶情绪 , 并对驾驶提出建议 , 那么由此产生的交通事故率是否就会大大降低呢?这当然是未来的一种理想状态了 。

目前 , 文章开头说到的 , 平安产险发布的驾驶风险最低车主的平均脸 , 就是其大数据和AI识别技术应用在情绪识别方向 , 对车主进行驾驶防护的尝试之一 。

驾驶风险平均脸背后的百万人脸数据库和FACE KYD人脸识别技术 , 也支撑平安产险推出了一系列有关驾驶风险辅助预测的产品 。 最近上线的平安产险驾驶情绪测试H5页面 , 就将驾驶情绪检测的内核以类似性格测试游戏的形式传播开去 , 这个H5通过人脸识别技术 , 分析用户上传的照片 , 将他们进行分类 , 贴上性格和情绪标签 。

如何科学地发一张好人卡?

----如何科学地发一张好人卡?//----[ http://www.caoding.cn]

识别图片二维码 , 刷脸测试驾驶情绪

在不同的人和情绪下 , 平安产险驾驶情绪测试H5能够给出不同的答案 。

如何科学地发一张好人卡?

----如何科学地发一张好人卡?//----[ http://www.caoding.cn]

这个H5表面上是一个用于娱乐和分享的用户互动游戏 , 其实是情绪识别技术应用与车主情绪健康检测的一个人性化产品 , 提醒车主了解情绪和行为后果的关系 , 也让他们知道进行情绪管理的重要性 。

需要指出的是 , 这个H5仅仅是FACE KYD人脸识别技术在目前阶段的一个小小试水 , 它真正的舞台在自动驾驶普及后的未来 , 试想一下这样一种场景 , 一位车主开着一辆自动驾驶汽车在拥堵路段 , 其情绪随着拥堵程度逐渐失控 , 这时 , 有情绪识别功能的车载摄像头发现了驾驶员的路怒行为 , 迅速启动程序 , 强制控制车辆……

同样的逻辑 , 在车联网和自动驾驶普及过程之中的辅助驾驶阶段 , 这种技术也能发挥强大作用 , 比如 , 车载摄像头一旦检测到驾驶员表情疲劳、眼神无法注视前方、并有揉眼睛等动作 , 后台系统会判断疲劳驾驶 , 当下的风险较高 , 可以通过车载设备发出预警 。

可以预见 , 这些技术应用 , 未来一定会大大降低由于车主情绪导致的交通事故发生率 。 在这一天实际到来之前 , 我们可以通过实时检测情绪的产品关注自己真实的情绪变化 , 决定是迅速进行情绪管理 , 还是及时改变行为方式 。

愿更了解自己情绪的你 , 也有一张“平安的脸” 。

特别策划


    推荐阅读