Realeyes公司使用“计算机视觉”来读取人们的面部表情，然后通过计算分析出人们的情感，并将它们运用到广告效果分析中，是情感分析技术的现实应用。
本刊记者 陈园园
随着计算机技术的发展，人机交互不断取得新进展。在互联网领域，人们不再仅仅满足于对文本信息的研究分析，情感计算与分析成了科技工作者们重视的研究方向，而表情、语音、肢体等都是情感分析的重要分支，也是备受关注的研究领域。
位于波士顿的Realeyes就是一家使用“计算机视觉”来读取人们的面部表情，然后通过计算分析出人们情感并将它们运用到广告效果分析中的科技公司，是情感分析技术的现实应用。
Realeyes 捕捉表情 分析情绪
日前，Realeyes宣布获得了来自Entrepreneurs Fund和SmartCap的超过320万美元的投资，目前公司的资本总额已经达到460万美元。
Realeyes的情感分析技术简单来讲就是，通过网络摄像机来获取人们的面部表情，然后加以分析计算，解读并量化人们的情绪反应。Realeyes公司表示，他们的技术通过普通的网络摄像头就可以运用，方法很简单，全世界都可以通用。
Toluna全球营销副总裁助理Janice Caston：“在Toluna，我们的目标是为客户提供新的和创新的方法以获得高品质的消费者洞察。我们与Realeyes的合作关系使我们能够为我们的客户提供有价值的生物计量的或非自我报告的数据。Realeyes的方法符合成本效益，现在，各种规模和预算的用户都能考虑把生物研究纳入他们的研究计划中”
Realeyes将这种技术运用到针对广告效果的用户研究中，“我们对视频广告的对象进行面部表情分析，通过网络摄像机，我们可以在不到两天的时间里就解读出，数以百计的人们到底是怎么看待你们的视频广告的。”
“Realeyes基于网络摄像头的面部表情编码技术让视频定性研究规模的扩大变得容易，我会把它们推荐给任何正在创建视频资产并寻找对观众反应快速解读方法的人。”IPG副总裁Tim McAtee表示。
情感是人们行为的强大驱动力，对广告主创建有影响力的品牌和提供完美的用户体验来说至关重要。一个广告的成功，在于能满足消费者的心理诉求，主要包括知觉诉求、情感诉求、理性诉求、观念诉求等，而其中，情感诉求更能打动消费者，促使他们萌发购买动机，实现购买行为。
Realeyes CEO Mihkel J妸tma说：“情感分析解决了在调查中的关键问题——提供用户真实的潜意识反馈。科学家已经证明，超过 90% 的人类行为和决定取决于人的潜意识，但是现在 90% 的调查都是人有意识时的主观反馈。大量诸如此类的不平衡即将不复存在，现在，可以很简单的通过摄像头来记录人的情绪，得到更有效的反馈。”
情感分析是计算机世界一个尚在起步阶段的研究领域，它教会计算机识别情感，旨在将各种人类情感转化成实实在在的数据信息，并通过对这些数据信息的分析研究，为营销、搜索、产品设计、顾客服务、社会化媒体优化等众多领域提供数据支持和方向指导。
现实生活中有很多问题是可以用两极对立的感情来应对的，如“喜欢”或者“不喜欢”某个产品，因此，通过情感分析，广告主和其他相关人士就能更好地理解对象用户的行为和意见，然后加以改进，比传统的市场调查来得更直观，而且对企业想要了解用户真实想法及潜在意见的需求来说非常重要。
“我们已经使用了Realeyes的面部表情编码技术，它在网络环境中运行完美。更重要的是，这些结果让我们对广告、包装等各种因素带给消费者的刺激有更深入的洞察。在MSW将Realeyes的面部表情编码技术运用到销售的过程中，Realeyes的认知系统被证明是一个有价值的附加诊断工具。”MSW Research总裁Peter R. Klein这样说道。
Realeyes公司把这个技术称作“情感的Google Analytics”，而Google Analytics是著名互联网公司Google为网站提供的数据统计服务，可以对目标网站进行访问数据统计和分析，并提供多种参数供网站拥有者使用。
同时，Realeyes公司表示，他们的软件平台在行业中是最先进的，并且正在为世界各国成百上千万的人们提供服务，“我们的分析平台已经被Nielsen, Ipsos还有Toluna等分析公司采用，用来提高超过30家品牌的广告宣传力度。”
Kinect 捕捉表情 不同应用
表情捕捉分析作为人机交互时代重要的研究领域之一，并非只有Realeyes一家公司看到了它的优势，Kinect以及基于Kinect的创新产品在该领域的表现也毫不逊色。
Kinect是微软开发的基于Xbox的体感游戏设备，玩家可以通过肢体动作和声音控制游戏，因此，很多基于Kinect的创新产品都与表情、动作、声音等方面有关，并远远超出了Kinect原先游戏的范畴。
Faceshift就是这样一款基于Kinect的面部表情捕捉工具，它能够在几乎没有任何延迟的情况下，捕捉到人类的面部表情变化，并实时反馈到游戏中的3D模型中。
实际上同类型的研发模型和项目并不少见，而Faceshift之所以能够拥有竞争力还在于它对设备面部识别能力的优化和改进——即便是在面部表情的轻微变动，也都能够在屏幕上还原出来。这相当于将玩家的面部表情实时映射到游戏中，大大增加了游戏的现实感。
当然，Faceshift除了运用在游戏中外，还可以在电影和动画等领域中大展身手，给开发者带来一系列新的机遇和商业模式。
除了类似Faceshift这样还原脸部模型的应用外，面部表情分析的成果还能运用到心理分析中。
SimSensi是Kinect平台近日推出的一个新功能，能利用Kinect的感应器和3D摄像头，跟踪用户的身体语言以及面部表情的变化，以此为依据来分析用户的心理状态，进而检测出用户是否存在潜在的抑郁症隐患。
例如，用户在Kinect游戏设备前表现出的坐立不安、长时间低头不语或是过于活跃等异常状态，SimSensi都会注意到并记录在案，再根据SimSensi的分析提出反馈意见，若检测结果超标，SimSensi就会提醒用户去医院就医。
据悉，SimSensi开发人员已经对60名不同类型的Kinect用户进行了测试，其中半数被诊断出患有严重抑郁症，准确率高达90%。这也让Kinect在游戏以外的领域火了一把，等到将来技术进一步完善，SimSensi或许真的能够为医生诊断提供切实的辅助功能。
情感分析领域，除了对面部表情的研究分析，声音也是一个值得注意的分析对象。人们讲话时的语调、语速、停顿时间、声音力度等语音元素都会反映出他们的情绪状况，对这些因素的抓取分析则能帮助计算机识别目标对象的情绪。
可以想象，当声音情绪识别和面部表情识别、肢体语言识别等系统融合后，计算机能更好地描绘出目标对象的情绪画像，并为进一步应用提供数据支持。