不发表情包，就不知道如何将聊天进行下去，这就是“表情包时代”当代年轻人的网络聊天的现状。微信平台2017年的数据显示，仅微信平台内的表情包日发送量就已超过每天6亿次。

表情包成了我们表达情绪的替代，可你有没有想过，某种程度上，我们彼此的真实情绪却被掩藏和忽略了。那些每天发着“哈哈哈哈哈哈哈”的网友，真实的情绪状况是怎么样呢？

2018年，美国分析公司盖洛普向143个国家的15.1万人提出了一系列问题，询问他们前一天的情绪感受。结果显示，愤怒、担忧和悲伤这几个负面情绪的比例都达到了新高。这个结果相当令人震惊，因为如此大规模的潜在负面情绪，可能是我们生活中各种人际冲突或者意外危险的导火索。

其实，无论是潜藏于表情包的情绪，还是潜藏于脸部表情的情绪，不同的人通过肉眼判断的结果可能大相径庭。

来做个测试，如果在现实中，你第一次见到如下两位陌生的朋友，你觉得他们现在的情绪如何？

“感觉内心毫无波澜”、“看起来温和稳重，情绪稳定“，还是”不太好说“？

结论如何，我们先往下看。

知人知面也能知心？

“不要以貌取人”、“知人知面不知心”，尽管我们大多数人自小就被类似的说法教育，不要轻易评判他人的外貌，但在现实的生活中，通过外表体貌这一直观、感性的方式辨别和判断他人几乎是全人类的共同直觉。在漫长的外貌识别的实践中，我们还形成了一系列朴素的、共同的逻辑和经验。

比如，仅看如上两张照片，脱离具体语境，很多人依然能得出对两位情绪甚至情绪的大致判断，正是这种关于面相的共同经验在发挥作用。比如，有人可能会觉得图中的二位长得有点像，是因为他们在面部轮廓和五官分布上呈现出了相似特点，他们的面部轮廓的线条都很柔和，颧骨低平，五官分布（眉眼距、人中长度等）比例相似。

而之所以有人会觉得他们的情绪稳定，推测他们行事稳重，可能因为他们五官的具体特点符合中国人对此类人面相特点的归纳。比如，他们的眉形都很流畅、眼尾既不上扬也无明显下垂，鼻头有肉感，嘴角自然上扬，?下巴丰隆没有尖角……照片上的他们看上去露着淡淡笑容，毫无攻击性。

这里的每一点都符合中国传统面相学中对于脾气好的人的描述，而任意一点的反面在面相大师眼里，都指向性情完全相反的人群。

那么现实生活中真的有这样完美的两个人吗？他们又是谁呢？

是时候详细地公布一下答案了，图中的男女不是两位真实存在的人类，而是中国平安财产保险股份有限公司（下称平安产险）在百万人脸数据库内中，用风险最低的车主合成的两张平均人脸，也就是说，这是平安产险大数据和AI识别技术下，计算出的男女“行车最安全的样子“或者说，“驾车情绪最稳定的样子”。

你也许会问，得到这样两张平均脸对我们来说有何意义呢？如果说谁的长相越趋近于平均脸，谁的驾车风险就越低，那对于长相天生就确定了的大家而言，知道了自己与平均脸相差甚远，难道就要放弃驾车吗？

需要指出的是，这两张平均脸并非意在提供低风险驾驶者长相的唯一标准答案，而是利用大数据和AI识别技术，提供一种“低风险行车状态”的车主情绪表现的最大公约数。

而这种供AI识别和参考的面部信息，也不是我们上面提到的、由五官组成的“面相”，而是透露着我们真实情绪状态的——微表情。

表情会说谎，但微表情不会

笑就代表一个人正感到开心吗？想想假笑男孩。我们每个人都没少在生活中掩饰和伪装自己的真实情绪。

那么，情绪识别需要得到什么关键信息，才能刺破我们的表演和伪装，识别出我们被压抑的情绪呢？这一切都要感谢心理学家关于“微表情”的发现。

美国心理学家保罗·艾克曼经过大量研究发现，人类的情感世界中，的确存在六种可以通过面部表情来鉴定的、基础的、普遍的基本人类情绪：幸福、愤怒、悲伤、鄙夷、惊讶和恐惧。并且，这指向这六种情绪的普遍表情虽然可能在人的面部转瞬即逝（停留时间仅为1/25秒至1/5秒），但是它们是无法被克制住的，埃克曼将其命名为“微表情”。

这意味着，即使再伪装，只要能捕捉到微表情，人类的面部表情和内心普遍的情绪存在的相关性就能被识别出来——保罗·艾克曼这个研究成果，正是如今所有情绪识别技术的基础。

1978年以来，埃克曼就一直亲自教人们检测微表情。他先后在中央情报局，苏格兰场，国土安全部和其他许多地方训练过操作员和军官，他的理论和经历后来被改编成了知名的美剧《Lie to me》。普罗大众在各种影视作品书籍的熏陶下，也逐渐建立起了一些基本认识：

比如，当一个人嘴角翘起，面颊上抬起皱，眼睑收缩，眼睛尾部形成“鱼尾纹”，那么ta一定在快乐的情绪中；一个人眉毛下垂，前额紧皱，眼睑和嘴唇不自然地处于紧张状态，ta马上就要发怒了……

从微表情的角度出发，再重新观察我们在文章开头看到的平均脸，他们眉毛上扬，眉眼舒展，整个面部处于自然放松的状态，这正是微表情的角度“安全的样子”。

然而，微表情的识别和检测始终一个非常复杂困难的系统，人脸的表情由几百条细微的小肌肉控制，仅依靠权威专家的经验辨别，效率低，准确性也难以保证，于是市面上总存在一种声音：“微表情很玄。”

知己知彼，百“驾”不殆

这就意味着，我们若想由微表情准确了解真正的情绪，只有在大数据内容库和AI识别技术的辅助下，一边，利用计算机视觉，精确识别面部表情的每一个细节，另一边用大数据和AI技术，分析和解释面部特征的情绪内容。

在这种共识下，越来越多的AI公司将目光转向了微表情识别领域，微表情在各行业应用的巨大可能性，直接催生了一个飞奔向千亿市场容量的朝阳产业。

早在 2009 年，第一家营销“人工情绪智能”的公司 Affective 就已经将情绪检测技术作为市场研究产品出售。苹果的Siri，微软的Cortana以及Google助手背后的团队都在开发使用语音和面部识别的情感检测系统。

除了开发这些更懂人类情绪的机器为人类的生活增光添彩，对于微表情识别技术而言，如果机器能够实时识别情绪，并进行情绪相关的行为预警，帮助人类规避危险情形，或许更加实用。一个非常迫切并实用的场景，就是驾驶场景。

交通事故统计结果显示，人为因素是交通事故的主要因素。而怒路症是全球性的问题，英国的研究发现，22%的司机都有过下车与别的司机争吵的经历，39%的司机表示，心情不好会迁怒于其他司机。

如果大数据和AI识别技术能应用在此处，提前识别出车主的驾驶情绪，并对驾驶提出建议，那么由此产生的交通事故率是否就会大大降低呢？这当然是未来的一种理想状态了。

目前，文章开头说到的，平安产险发布的驾驶风险最低车主的平均脸，就是其大数据和AI识别技术应用在情绪识别方向，对车主进行驾驶防护的尝试之一。

驾驶风险平均脸背后的百万人脸数据库和FACE KYD人脸识别技术，也支撑平安产险推出了一系列有关驾驶风险辅助预测的产品。最近上线的平安产险驾驶情绪测试H5页面，就将驾驶情绪检测的内核以类似性格测试游戏的形式传播开去，这个H5通过人脸识别技术，分析用户上传的照片，将他们进行分类，贴上性格和情绪标签。

识别图片二维码，刷脸测试驾驶情绪

在不同的人和情绪下，平安产险驾驶情绪测试H5能够给出不同的答案。

这个H5表面上是一个用于娱乐和分享的用户互动游戏，其实是情绪识别技术应用与车主情绪健康检测的一个人性化产品，提醒车主了解情绪和行为后果的关系，也让他们知道进行情绪管理的重要性。

需要指出的是，这个H5仅仅是FACE KYD人脸识别技术在目前阶段的一个小小试水，它真正的舞台在自动驾驶普及后的未来，试想一下这样一种场景，一位车主开着一辆自动驾驶汽车在拥堵路段，其情绪随着拥堵程度逐渐失控，这时，有情绪识别功能的车载摄像头发现了驾驶员的路怒行为，迅速启动程序，强制控制车辆……

同样的逻辑，在车联网和自动驾驶普及过程之中的辅助驾驶阶段，这种技术也能发挥强大作用，比如，车载摄像头一旦检测到驾驶员表情疲劳、眼神无法注视前方、并有揉眼睛等动作，后台系统会判断疲劳驾驶，当下的风险较高，可以通过车载设备发出预警。

可以预见，这些技术应用，未来一定会大大降低由于车主情绪导致的交通事故发生率。在这一天实际到来之前，我们可以通过实时检测情绪的产品关注自己真实的情绪变化，决定是迅速进行情绪管理，还是及时改变行为方式。

愿更了解自己情绪的你，也有一张“平安的脸”。

特别策划