攝像頭早已與人們的攝像生活密不可分，AI相關的可識技術也是赫赫有名。

　　但如果有人告訴你，別人部情長沙包夜美女全套外圍上門外圍女（微信181-8279-1445）提供頂級外圍女上門，伴游，空姐，網紅，明星，車模等優質資源，可滿足你的一切要求開發者們能調用電腦或手機上的攝像攝像頭識別你的面部情緒，你是可識會為更多人/機器了解你而感到刺激和開心，還是別人部情油然而生一種抗拒和不安全感？

　　反正我是后者。畢竟互聯網公司或者黑客利用攝像頭獲取用戶隱私的攝像事故，多的可識足夠寫好多本“科技恐怖故事會”，連起來繞地球幾周了。別人部情

　　不過，攝像用戶們對被攝像頭“讀臉”這件事如臨大敵，可識卻并沒有影響科技公司攻克心情識別技術的別人部情一片“初心”。

　　初心易得，攝像始終難守：用戶與攝像頭的可識對決

　　最近，視頻播放器 Bitmovin 上線了觀眾感知功能。別人部情

　　在播放視頻的時候，它會打開攝像頭，觀察正在看視頻的觀眾。通過面部表情來分析、衡量用戶對廣告內容的情緒反應，如果用戶對產品布局表現出積極的長沙包夜美女全套外圍上門外圍女（微信181-8279-1445）提供頂級外圍女上門，伴游，空姐，網紅，明星，車模等優質資源，可滿足你的一切要求面部反應時，就顯示廣告；如果用戶正沉浸在痛苦或不適中，就不顯示特定的廣告?？雌饋硭坪踹€挺人性化的。

　　不過，心情識別技術早就不是什么新鮮事了。之前 The Sync Project 、emo 就以此方式來推薦音樂，可口可樂也曾用檢測表情的辦法做過營銷活動。

　　除了商業用途，還有不少有意思的應用場景。比如卡內基·梅隆大學的研究人員，就用 IntraFace來進行分心狀態檢測。一旦駕駛員在開車時去哄孩子、接電話等，就會遭到軟件的警告。



　　那么，這個神奇的“讀臉”技能究竟是怎么實現的呢？

　　簡單來說，就是調用攝像頭，實時監測畫面中人物的面部位置，采集眉、眼、鼻、嘴和面部輪廓的變化數據，然后通過機器學習訓練出實時更新的算法模型，進而判斷出他們的情緒狀態。

　　在 Bitmovin的視頻感知功能中，系統在完成判斷之后，還會驅動各個功能模塊進行動作，比如播放調整、控制廣告等等。



　　盡管心情識別技術看起來是如此有用，但似乎很少有人會認為，情緒感知是一個未滿足的需求。

　　通過很多其他的解決方案或者技術路徑，似乎都可以做到差不多的預測用戶喜好的水平。為此迎來一個連表情都被實時監控的世界，實在有點得不償失了。

　　尤其是商業組織進行“讀臉”，會更強烈地引起不適。

　　問題的關鍵在于，企業通過攝像頭對用戶的表情進行收集和分析，本質上是一種單向消耗。

　　只有企業自身從這一行為上真實地獲得了大量收益，比如推薦更多更精準的廣告，引誘用戶進行消費。

　　對于用戶而言，網上沖浪的體驗并沒有因此變得更好，甚至可能更糟，又憑什么要求大家用“臉”買單呢？

　　世上哪得雙全法：攝像頭心理戰，有沒有“雙贏”的解法？

　　當然，這么說對科技公司來說也有點過于刻薄了。

　　畢竟很多負責任的公司都為之做出了不少妥協和努力。比如允許用戶選擇在使用應用時才能訪問相機，或者在狀態欄顯示攝像頭活動狀態，在拍照或攝像時發出提示音，有的手機在攝錄時攝像頭還會自動浮起來……

　　盡管效果看起來都不盡如人意吧，但至少人家努力了??！

　　要從根源上解決用戶與企業圍繞攝像頭展開的拉鋸戰，讓“讀臉”這件事顯得不那么冒犯，還是要在消耗用戶和服務用戶之間，找到一個“雙贏”的最優解。

　　幸好，心情識別技術的應用范圍非常多，絕不是只有互聯網世界才可以討論。所以我們不妨思考這樣一個可能性，如果讓現實世界里的攝像頭具備感知能力，能不能激發更大的想象。

　　答案顯然是值得樂觀的。

　　最近特別火的無人零售，就需要生物識別來幫助AI系統了解消費者。

　　比如天貓的無人超市，就曾推出過“Happy購”情緒營銷。貨架上的攝像頭能夠及時捕捉用戶的表情，并根據情緒幅度，快速計算對商品的偏好程度，進而給予不同的優惠折扣。

　　在另一類商業場景中，也非常需要能夠看懂表情的攝像頭，那就是線下娛樂。

　　娛樂消費的盈利模式，就是依靠調動受眾的情緒進行內容變現。通過攝像頭感知用戶的情緒變化，進而調整商品或服務，埋藏著不少讓人驚喜的“彩蛋”。

　　簡單舉幾個例子，比如鬼屋/密室逃脫等娛樂項目。

　　為了保證玩家在封閉體驗區的安全，攝像頭本來就是標配，而通過感知玩家的情緒變化，可以及時反饋來迭代游戲體驗。一些自以為很恐怖，結果大家內心毫無波動還有點想笑的項目，就別拿出來丟人了。

　　還有，就是電影試映會或分級制，可以通過小規模的觀影活動，借助攝像頭來實時收集真實的觀眾反饋，減少“人情分”“看完忘了”“被營銷號帶節奏”之類的無效操作。哪些作品比較受大眾喜歡，哪些鏡頭會引起兒童不適，都可以通過情緒識別進行量化分析，告別“拍腦袋”決策。

　　還有就是一些文娛演出場所，比如京劇、相聲、音樂會、話劇等等，這些劇目最需要觀眾的臨場反應來調整和迭代演出內容。但傳統的“人肉統計”顯然有點落后了，攝像頭完全可以代勞。

　　可以看出，情緒識別技術的應用場景是多種多樣的，橫亙在豐滿理想和殘酷現實之間的，說到底還是企業與用戶的利益之爭。

　　要改變“讀臉”人人喊打的現狀，一是讓用戶也能在技術融合中真實受益；二是企業通過應用告知、合理授權、數據脫敏等方式，贏得公眾的信任。

　　讓攝像頭讀懂喜怒哀樂，或許并不宏大

　　看到這里，想必優秀的小伙伴已經發現了一個問題——既然攝像頭感知在現實中有諸多用處，為什么還沒有普及開來呢？

　　我來搶答一下：“讀心術”只是攝像頭進化的第一步，想要大規模應用，情況就復雜地多了，只能先從小打小鬧開始。

　　①有限的終端算力。目前常見的智能攝像頭大多還在從事監控、安防之類的基礎工種。要對復雜場景進行多目標的實時識別和分析，終端算力還無法支持。當然，也可以將視頻送到云端去處理，這樣又會帶來高延遲和數據安全性的問題。因此，心情識別技術想要大規模應用，還為時過早。



　　②跨地域的隱私授權。如今各個地區都在加強隱私建設，以“史上最嚴”的歐盟隱私法案（ePR）為例，要收集必要的用戶數據之前，必須征得畫面里所有用戶的同意，否則將被禁止處理該數據。試想一下，在人流量密集、流動性強的區域去完成這樣的授權工作，幾乎很難被執行。

　　當然，這些問題正在不斷地被技術和企業們解決。比如集合了云端計算、邊緣計算、端側計算的一體化部署方案，能解決攝像頭算力不足的難題。

　　而對隱私敏感的用戶指責，則可以通過主動限制釋放“讀臉”技能來規避。比如前面提到的，只在小型場景、知情的情況下進行情緒讀取。

　　只要面臨“用還是不用”的道德糾結，果斷選擇不用，總是更加穩妥。亞馬遜的無人超市Amazon Go，就沒有國內無人便利店、盒子常見的拍臉環節，用戶只需掃碼就能進入。而店內的100多個攝像頭也只是捕捉身體動作的視覺線索，判斷分區和動線是否合理。

　　總而言之，攝像頭的心情感知能力，固然可以化“自私”為“雙贏”，但大規模應用還是很遙遠的事情。而且在新的規則完善之前，還是得把它關在籠子里。

　　愛，即是克制——這或許是讓人類與攝像頭之間建立信任最快的捷徑。