古埃及人对活体解剖了解很多，并且可以通过触摸区分肝脏和肾脏。 通过从早到晚包裹木乃伊并进行治疗（从环钻到切除肿瘤），您将不可避免地学会了解解剖学。
丰富的解剖学细节被对器官功能理解的混乱所抵消。 牧师、医生和普通人大胆地将思想放在心脏上，并赋予大脑产生鼻粘液的作用。
四千年过去了，你很难再嘲笑那些家伙和法老了——我们的计算机和数据收集算法看起来比纸莎草卷轴更酷，而且我们的大脑仍然神秘地生产着谁知道什么。
因此，在这篇文章中，本来应该讨论这样一个事实：情绪识别算法在解释对话者的信号方面已经达到了镜像神经元的速度，但突然发现神经细胞并不像它们看起来的那样。
决策错误
当孩子还是个孩子的时候，孩子就会看着父母的脸，学会再现微笑、愤怒、自我满足和其他情绪，这样在他的一生中，在不同的情况下，他就能微笑、皱眉、生气——就像他所爱的人一样做过。
许多研究人员认为，情绪的模仿是由镜像神经元系统构建的。 然而，一些科学家对这一理论表示怀疑：我们还不了解所有脑细胞的功能。
大脑功能模型的假设基础并不稳固。 毫无疑问，只有一件事：从出生起灰质的“固件”就包含着特征和缺陷，或者更准确地说，包含影响行为的特征。
镜像神经元或其他神经元负责模仿反应；该系统仅在识别最简单的意图和动作的基本水平上起作用。 这对一个孩子来说足够了，但对一个成年人来说就太少了。
我们知道，情绪在很大程度上取决于一个人与本土文化互动的后天经验。 没有人会认为你是一个精神病患者，如果在快乐的人中你微笑，感到痛苦，因为在成人生活中，情绪被用作适应生存条件的手段。
我们不知道对方的真实想法。 很容易做出假设： 他在微笑，这意味着他玩得很开心。 大脑有一种与生俱来的能力，可以在空中建造城堡，对正在发生的事情进行一致的描绘。
人们只要尝试确定现有的假设在多大程度上符合事实，假设的摇摇欲坠的基础就会开始移动：微笑是悲伤，皱眉是幸福，眼皮的颤抖是快乐。
德国精神病学家 Franz Karl Müller-Lyer 在 1889 年展示了一种与线条和图形感知扭曲相关的几何光学错觉。 这种错觉是，由向外的尖端构成的线段看起来比由尾部构成的线段短。 事实上，两个段的长度是相同的。
这位精神病学家还提请注意这样一个事实，即幻觉的沉思者，即使在测量了线条并听取了对图像感知的神经学背景的解释之后，仍然认为一条线比另一条线短。 同样有趣的是，这种错觉对于每个人来说看起来并不一样——有些人不太容易受到它的影响。
心理学家丹尼尔·卡尼曼 我们缓慢的分析思维认识到穆勒-莱尔技巧，但负责认知反射的思维的第二部分会自动且几乎立即对出现的刺激做出反应，并做出错误的判断。
认知错误不仅仅是一个错误。 人们可以理解并承认，在观看视错觉时不能相信自己的眼睛，但与真实的人交流就像穿越一个错综复杂的迷宫。
早在1906年，社会学家威廉·萨姆纳就宣称自然选择和生存斗争的普遍性，将动物生存的原则转移到了人类社会。 在他看来，团结在群体中的人们通过拒绝分析威胁社区完整性的事实来提升自己的群体。
心理学家理查德·尼斯贝特 “讲述超出我们所知的信息：关于心理过程的口头报告”表明人们不愿相信与他们现有信念不符的统计数据和其他普遍接受的数据。
大数字的魔力
观看这段视频，观察演员的面部表情如何变化。
在数据不足的情况下，大脑会快速“贴标签”并做出假设，从而导致矛盾效应，这一点在导演列夫·库列绍夫（Lev Kuleshov）进行的实验的例子中清晰可见。
1929年，他拍摄了演员、盛满汤的盘子、棺材里的孩子和沙发上的年轻女孩的特写镜头。 然后，带有演员镜头的胶片被切成三部分，并分别用显示一盘汤、一个孩子和一个女孩的框架粘合。
观众独立地得出这样的结论：在第一个片段中，英雄饿了；在第二个片段中，他对孩子的死亡感到悲伤；在第三个片段中，他对躺在沙发上的女孩着迷。
事实上，演员的面部表情并不是在所有情况下都发生变化。
如果你看到一百帧，秘密会被揭开吗？
心理学家保罗·埃克曼 (Paul Ekman) 基于大群体非语言行为真相的统计可靠性数据 客观测量面部运动的综合工具——“面部运动编码系统”。
他认为人工神经网络可以用来自动分析人的面部表情。 尽管受到严厉批评（埃克曼的机场安全计划 对照试验），这些论点有一定的常识。
看到一个微笑的人，人们就会认为他在欺骗，实际上是不怀好意的。 但如果你（或镜头）看到一百个人在微笑，很可能他们中的大多数人实际上都在享受乐趣，就像观看热门单口喜剧演员的表演一样。
在大数的例子中，有些人能够如此巧妙地操纵情绪，以至于连艾克曼教授都会被愚弄，这并不那么重要。 用风险专家纳西姆·塔勒布的话说，当监视对象是冷酷、公正的摄像机时，系统的反脆弱性会大大增强。
是的，我们不知道如何通过面部识别谎言——无论是否有人工智能。 但我们非常清楚如何确定一百或更多人的幸福水平。
商业情感识别
从面部图像中确定情绪的最简单方法是基于关键点的分类，可以使用各种算法获得关键点的坐标。 通常会标记几十个点，将它们与眉毛、眼睛、嘴唇、鼻子、下巴的位置联系起来，这样你就可以捕捉面部表情。
使用机器算法进行情绪背景评估已经在帮助零售商尽可能地将线上融入线下。 该技术允许您评估广告和营销活动的有效性，确定客户服务和服务的质量，并识别人们的异常行为。
通过算法，你可以追踪办公室内员工的情绪状态（一个人悲伤的办公室是一个动力弱、沮丧、颓废的办公室）以及出入口员工和客户的“幸福指数”。
阿尔法银行 (Alfa-Bank) 的多家分行 实时分析客户情绪的试点项目。 算法构建了客户满意度的整体指标，识别访问分支机构的情感感知变化趋势，并对访问进行总体评估。
在微软 关于测试一个系统，用于分析电影院中观众的情绪状态（实时客观评估电影质量），以及确定 Imagine Cup 竞赛“观众奖”提名的获胜者（胜利由观众反应最积极的球队获胜）。
以上所有的一切都只是一个全新时代的开始。 在北卡罗来纳州立大学，学生在参加教育课程时，其脸部被摄像机拍摄。 识别情绪的计算机视觉系统。 根据获得的数据，教师修改教学策略。
在教育过程中，总体上对情绪的评估重视不够。 但您可以评估教学质量、学生参与度、识别负面情绪，并根据收到的信息规划教育过程。
人脸识别 Ivideon：人口统计和情绪
现在我们的系统中已经出现了一份关于情绪的报告。
人脸检测事件卡上出现了单独的“情绪”字段，并且在“人脸”部分的“报告”选项卡上提供了一种新类型的报告 - 按小时和按天：
可以下载所有检测的源数据并根据它们生成您自己的报告。
直到最近，所有情绪识别系统都在经过谨慎测试的实验项目级别上运行。 此类飞行员的成本非常高。
我们希望使分析成为我们熟悉的服务和设备世界的一部分，因此从今天开始，所有 Ivideon 客户都可以使用“情感”。 我们不推出特殊的关税计划，不提供特殊的相机，并尽力消除一切可能的障碍。 收费保持不变；任何人都可以花费 1 卢布将情感分析与面部识别结合起来。 每月。
该服务呈现在 用户。 继续 我们收集了有关 Ivideon 面部识别系统的更多有趣事实。
来源： habr.com