摄像头“读脸”的另一种打开方式

图片来源@视觉中国

文｜脑极体

摄像头早已与人们的生活密不可分，AI相关的技术也是赫赫有名。

但如果有人告诉你，开发者们能调用电脑或手机上的摄像头识别你的面部情绪，你是会为更多人/机器了解你而感到刺激和开心，还是油然而生一种抗拒和不安全感？

反正我是后者。毕竟互联网公司或者黑客利用摄像头获取用户隐私的事故，多的足够写好多本“科技恐怖故事会”，连起来绕地球几周了。

不过，用户们对被摄像头“读脸”这件事如临大敌，却并没有影响科技公司攻克心情识别技术的一片“初心”。

初心易得，始终难守：用户与摄像头的对决

最近，视频播放器 Bitmovin 上线了观众感知功能。

在播放视频的时候，它会打开摄像头，观察正在看视频的观众。通过面部表情来分析、衡量用户对广告内容的情绪反应，如果用户对产品布局表现出积极的面部反应时，就显示广告；如果用户正沉浸在痛苦或不适中，就不显示特定的广告。看起来似乎还挺人性化的。

不过，心情识别技术早就不是什么新鲜事了。之前 The Sync Project 、emo 就以此方式来推荐音乐，可口可乐也曾用检测表情的办法做过营销活动。

除了商业用途，还有不少有意思的应用场景。比如卡内基·梅隆大学的研究人员，就用 IntraFace来进行分心状态检测。一旦驾驶员在开车时去哄孩子、接电话等，就会遭到软件的警告。

那么，这个神奇的“读脸”技能究竟是怎么实现的呢？

简单来说，就是调用摄像头，实时监测画面中人物的面部位置，采集眉、眼、鼻、嘴和面部轮廓的变化数据，然后通过机器学习训练出实时更新的算法模型，进而判断出他们的情绪状态。

在 Bitmovin的视频感知功能中，系统在完成判断之后，还会驱动各个功能模块进行动作，比如播放调整、控制广告等等。

尽管心情识别技术看起来是如此有用，但似乎很少有人会认为，情绪感知是一个未满足的需求。

通过很多其他的解决方案或者技术路径，似乎都可以做到差不多的预测用户喜好的水平。为此迎来一个连表情都被实时监控的世界，实在有点得不偿失了。

尤其是商业组织进行“读脸”，会更强烈地引起不适。

问题的关键在于，企业通过摄像头对用户的表情进行收集和分析，本质上是一种单向消耗。

只有企业自身从这一行为上真实地获得了大量收益，比如推荐更多更精准的广告，引诱用户进行消费。

对于用户而言，网上冲浪的体验并没有因此变得更好，甚至可能更糟，又凭什么要求大家用“脸”买单呢？

世上哪得双全法：摄像头心理战，有没有“双赢”的解法？

当然，这么说对科技公司来说也有点过于刻薄了。

毕竟很多负责任的公司都为之做出了不少妥协和努力。比如允许用户选择在使用应用时才能访问相机，或者在状态栏显示摄像头活动状态，在拍照或摄像时发出提示音，有的手机在摄录时摄像头还会自动浮起来……

尽管效果看起来都不尽如人意吧，但至少人家努力了啊！

要从根源上解决用户与企业围绕摄像头展开的拉锯战，让“读脸”这件事显得不那么冒犯，还是要在消耗用户和服务用户之间，找到一个“双赢”的最优解。

幸好，心情识别技术的应用范围非常多，绝不是只有互联网世界才可以讨论。所以我们不妨思考这样一个可能性，如果让现实世界里的摄像头具备感知能力，能不能激发更大的想象。

答案显然是值得乐观的。

最近特别火的无人零售，就需要生物识别来帮助AI系统了解消费者。

比如天猫的无人超市，就曾推出过“Happy购”情绪营销。货架上的摄像头能够及时捕捉用户的表情，并根据情绪幅度，快速计算对商品的偏好程度，进而给予不同的优惠折扣。

在另一类商业场景中，也非常需要能够看懂表情的摄像头，那就是线下娱乐。

娱乐消费的盈利模式，就是依靠调动受众的情绪进行内容变现。通过摄像头感知用户的情绪变化，进而调整商品或服务，埋藏着不少让人惊喜的“彩蛋”。

简单举几个例子，比如鬼屋/密室逃脱等娱乐项目。

为了保证玩家在封闭体验区的安全，摄像头本来就是标配，而通过感知玩家的情绪变化，可以及时反馈来迭代游戏体验。一些自以为很恐怖，结果大家内心毫无波动还有点想笑的项目，就别拿出来丢人了。

还有，就是电影试映会或分级制，可以通过小规模的观影活动，借助摄像头来实时收集真实的观众反馈，减少“人情分”“看完忘了”“被营销号带节奏”之类的无效操作。哪些作品比较受大众喜欢，哪些镜头会引起儿童不适，都可以通过情绪识别进行量化分析，告别“拍脑袋”决策。

还有就是一些文娱演出场所，比如京剧、相声、音乐会、话剧等等，这些剧目最需要观众的临场反应来调整和迭代演出内容。但传统的“人肉统计”显然有点落后了，摄像头完全可以代劳。

可以看出，情绪识别技术的应用场景是多种多样的，横亘在丰满理想和残酷现实之间的，说到底还是企业与用户的利益之争。

要改变“读脸”人人喊打的现状，一是让用户也能在技术融合中真实受益；二是企业通过应用告知、合理授权、数据脱敏等方式，赢得公众的信任。

让摄像头读懂喜怒哀乐，或许并不宏大

看到这里，想必优秀的小伙伴已经发现了一个问题——既然摄像头感知在现实中有诸多用处，为什么还没有普及开来呢？

我来抢答一下：“读心术”只是摄像头进化的第一步，想要大规模应用，情况就复杂地多了，只能先从小打小闹开始。

1.有限的终端算力。目前常见的智能摄像头大多还在从事监控、安防之类的基础工种。要对复杂场景进行多目标的实时识别和分析，终端算力还无法支持。

当然，也可以将视频送到云端去处理，这样又会带来高延迟和数据安全性的问题。因此，心情识别技术想要大规模应用，还为时过早。

2.跨地域的隐私授权。如今各个地区都在加强隐私建设，以“史上最严”的欧盟隐私法案（ePR）为例，要收集必要的用户数据之前，必须征得画面里所有用户的同意，否则将被禁止处理该数据。

试想一下，在人流量密集、流动性强的区域去完成这样的授权工作，几乎很难被执行。

当然，这些问题正在不断地被技术和企业们解决。比如集合了云端计算、边缘计算、端侧计算的一体化部署方案，能解决摄像头算力不足的难题。

而对隐私敏感的用户指责，则可以通过主动限制释放“读脸”技能来规避。比如前面提到的，只在小型场景、知情的情况下进行情绪读取。

只要面临“用还是不用”的道德纠结，果断选择不用，总是更加稳妥。亚马逊的无人超市Amazon Go，就没有国内无人便利店、盒子常见的拍脸环节，用户只需扫码就能进入。而店内的100多个摄像头也只是捕捉身体动作的视觉线索，判断分区和动线是否合理。

总而言之，摄像头的心情感知能力，固然可以化“自私”为“双赢”，但大规模应用还是很遥远的事情。而且在新的规则完善之前，还是得把它关在笼子里。

爱，即是克制——这或许是让人类与摄像头之间建立信任最快的捷径。