攝像頭「讀臉」的另一種打開方式

圖片來源@視覺中國

攝像頭早已與人們的生活密不可分，AI相關的技術也是赫赫有名。

但如果有人告訴你，開發者們能調用電腦或手機上的攝像頭識別你的面部情緒，你是會為更多人/機器了解你而感到刺激和開心，還是油然而生一種抗拒和不安全感？

反正我是後者。畢竟互聯網公司或者黑客利用攝像頭獲取用戶隱私的事故，多的足夠寫好多本「科技恐怖故事會」，連起來繞地球幾周了。

不過，用戶們對被攝像頭「讀臉」這件事如臨大敵，卻並沒有影響科技公司攻克心情識別技術的一片「初心」。

初心易得，始終難守：用戶與攝像頭的對決

最近，視頻播放器 Bitmovin 上線了觀眾感知功能。

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。看起來似乎還挺人性化的。

不過，心情識別技術早就不是什麼新鮮事了。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，就會遭到軟體的警告。

那麼，這個神奇的「讀臉」技能究竟是怎麼實現的呢？

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，採集眉、眼、鼻、嘴和面部輪廓的變化數據，然後通過機器學習訓練出實時更新的演算法模型，進而判斷出他們的情緒狀態。

在 Bitmovin的視頻感知功能中，系統在完成判斷之後，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。

儘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。

問題的關鍵在於，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。

對於用戶而言，網上衝浪的體驗並沒有因此變得更好，甚至可能更糟，又憑什麼要求大家用「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，這麼說對科技公司來說也有點過於刻薄了。

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……

儘管效果看起來都不盡如人意吧，但至少人家努力了啊！

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」這件事顯得不那麼冒犯，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範圍非常多，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，如果讓現實世界裡的攝像頭具備感知能力，能不能激發更大的想像。

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，並根據情緒幅度，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遊戲體驗。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，藉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」顯然有點落後了，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，橫亘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，或許並不宏大

看到這裡，想必優秀的小夥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，為什麼還沒有普及開來呢？

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，情況就複雜地多了，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。要對複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，也可以將視頻送到雲端去處理，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，必須徵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。比如集合了雲端計算、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。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！