无处可藏：机器视觉算法学会识别你隐藏的表情

即使人们试图隐藏，微表情也可以揭露他们最深处的情绪。一种机器视觉算法如今可以识别这些微表情，并广泛应用于从执法到心理分析等的情况中。 大部分人善于识别人们脸上的常见表情，但有些面部表情根本不会被察觉到。在六十年代晚期，心理学家发现当人们试图隐藏情绪时，他们通常会在一闪即逝的「微表情」中表现出真正的情绪。 这些眨眼而过的表情令心理学家甚至公众都很感兴趣。事实证明，虽然大部分人都对它们视而不见，有一小部分人可以精准地抓住这些微表情，并通过这些微表情判断出人们正在隐藏自己的真实感受，或者正在彻头彻尾地说谎。 由此催生出一项意义重大的产业，即训练人们更加擅长于识别微表情。执法部门与反恐机构也经常如此，希望藉此方式来揪出不怀好意的人。无论这种训练是否引来争议——大部分人可能根本没有捕捉微表情的感知与认知能力，不管他们所受的训练如何。 然而识别微表情还有另一种方式。近年来，机器视觉的发展速度如此之快，以至于该领域的专家都感到惊讶。在今天，配备了最先进人工智能算法的机器可以在目标识别与面部识别上比人类做得更好，并且在识别表情与其隐藏的情绪方面逐渐与人类不相上下。 这就带来了一个有意思的前景。机器会比人类更擅长于识别微表情吗？今天我们有幸从芬兰奥卢大学的李晓白等人的工作成果中获取一些答案。他们建立并测试了首个能够捕捉识别微表情的机器视觉系统，并宣布了它已在此领域超过了人类。 人工智能近几年快速发展的部分原因在于计算方式的改进。但如果没有大量精确的数据库对它们进行训练，这些机器就毫无所用。 因此李晓白和他的同伴们的第一个任务就是创造一个展示真实环境下微表情的视频数据库。说起来容易，做起来难。因为微表情倾向于在人们在压力相对较高情况下隐藏真实感受的时候出现。 这种情况不易再现。确实，之前的很多研究都针对于刻意摆出的表情，但是多位心理学家指出这种方法的局限性，更不用说与摆出的表情具有巨大差异的微表情了。 李晓白和同事们解决了这一问题。他们让20个人观看一系列视频，这些视频是专为引起这些人的强烈情绪而设计的。在这个任务中，这些人因为某些原因会尽量避免表现出情绪：他们被告知要填写一个冗长又无聊的问卷来细述他们所表现出的情绪。 结果，这20人中的16人产生了164个微表情，李晓白的团队用每秒100帧的高速摄影机将这些微表情记录下来，又将这些表现出来的情绪同视频中的情感内容相联系，给出一个黄金标准的数据库，以此来训练他们的机器学习算法。 识别微表情这一任务分为两部分。首先是识别出代表着微表情的瞬息变化的面部特征。第二部就是确认它所表达的情绪。 （李晓白的）团队用表现主体面部的一个单帧作为标准，同之后的所有帧进行比较，来看表情如何变化，这样就解决了第一个问题。在阈值之外的任何一个变化都被定义为一个微表情，这些表情图片会被留做进一步分析。 识别表情一般来说更为困难，因为这些微表情不像普通表情那么明显。李晓白和同事说：「微表情识别的一大挑战在于面部活动幅度太小而难以辨别。」 团队利用一种「放大」表情的算法解决了这一问题。工作原理是这样的，在一个表情变化时，识别出面部活动的部分，并扭曲面部，加剧这些活动。 这一过程需要谨慎运用。例如，李晓白和同事说不能用此来捕获微表情，因为这个算法会把所有的活动部分，比如转头这样的动作都放大，而不只是放大表情。所以这项算法只会用在已经由前面所述方法辨别出来的帧上。 最后，这项算法会把那些表现出来的情绪分为积极的、消极的或是惊诧的，这也是它从训练数据库里学到的过程。 一个有趣的问题是这个方法跟人类的（微表情识别）表现相比到底如何。为找出问题的答案，团队让15个人去识别视频表现出来的表情，这些视频中只有微表情（所以他们无需从长视频中把微表情识别出来）。又叫另外15人观看整个视频，他们则需要将里面的微表情找出来并进行识别。 结果也很是有趣。李晓白和同事的机器在找出并识别微表情的能力上可以和人类媲美，而单就识别而言则比人类更胜一筹。 「我们这一方法是首个在自发的微表情硬性数据库中测试过的系统。这套微表情数据库中的都是自然的微表情，」他们的团队称。「在微表情识别上，这个系统要远胜过人类，在找出并识别微表情的联合任务上也能媲美人类。」 这作为第一次尝试并不算差，而且这些机器还在不断地快速改进。 （这一方法的）应用也不难想到。李晓白和同事选出了测谎、执法和心理疗法等，不过很容易想到这项技术会用到工作面试和评估甚至谷歌眼镜这样的日常设备中。 很快，一切将无处可藏。   来自technologyreview，机器之心编译出品。参与：Chen，悉小闲 ，柒柒 。