别回校园了，老师的套路都智能了。

By 超神经

今天是国际教师节，朋友圈已经被各种送给老师的祝福攻占，大家纷纷致敬老师、怀念校园，但如果知道了现在中学生「水深火热」的生存环境，不知道会作何感想。

最近，杭州第十一中学试行的慧眼系统，通过教室内安装组合摄像头，捕捉学生在课堂上的表情和动作，借助人脸识别技术，采集学生的 6 种课堂行为和 7 种课堂表情。

这套引起了轩然大波的教学系统叫「智慧课堂行为管理系统」简称「慧眼」。

据说它能准确捕捉学生阅读、起立、举手、趴桌子、听讲和书写等 6 种行为，并结合学生面部表情分析出中性、高兴、难过、愤怒、害怕、反感和惊讶 7 种情绪。

 

慧眼——全班最爱打小报告的同学

这些信息经过系统简单处理后，会生成一串代码，比如认真听课为 A 、趴下睡觉为 B 、回答问题为 C ，并以此来判断学生状态。好的状态，比如认真听课就会加分，不好的状态，比如上课睡觉就会减分。

这些数据会在课后直接推送给授课老师，便于让老师了解课堂效果和学生们的反应。

老师以此来优化授课方式，学校也能用来评判老师的授课质量。但由于摄像头的存在，难免会让学生有些不自在，这也是可以理解的。

对于吃瓜群众担心的隐私和数据泄露问题，据说这套系统生成的数据信息，仅任课老师，及学校高层有权查看，其他老师或者校外人员无权查看。

（上面红圈是面部识别设备，下面是采集信息的摄像头）

硬件部分是由一个可旋转摄像头和一个面部识别仪组成，每间教室大概有三台，隔 30 秒就会扫描一次。

所有的摄像头仅用来搜集行为信息，不会用来监控，也不会录像，不存在隐私和数据泄露的问题。

十一中学计划今年在所有教室里安装该系统，观察学生课堂情绪的同时，还能刷脸考勤。不过，目前该系统仍处于初级阶段，还需要更多数据来供它学习，以提高情绪识别的准确性。

在未来，他们打算将学校所有的刷卡行为都用刷脸替代，打造全国第一家无卡校园，不知道这是不是受隔壁阿里马云爸爸的启发。

 

课堂监控，说不定是件好事

把高科技带到校园，杭州十一中应该算头一个，但也希望学校不要把用于提高教学质量的情绪识，用成了实时监控工具。毕竟即使校园是个公共场合，但是每个同学还都应该在一定限度内，保留一些个人隐私。

说到底，慧眼系统之所以引起关注和讨论，是因为大家觉得学生被监控。但反过来想想，慧眼宣称数据不存储，不公开，其实跟传统意义上老师的眼睛差不多。

所以最重要的还是「用户协议」，校方现在最应该明确的是，慧眼中视频内容的使用途径、授权范围。

 

情绪识别的技术实现

让机器可以识别人类情感已经成为事实，但海量训练数据和模型构建的复杂性，却让很多研究者望而却步。

现在，有五位大佬搞出一个轻量级情感识别模型，不仅可以自动完成训练集分类，模型构建过程也很简单，大大降低了情感识别模型的创建门槛。

情感识别是在图像和人脸识别等技术基础上，通过分析人物身体行为（如面部表情识别、语音和姿态等），识别人类情感状态。

人类面部情感的多样性

虽然用于情感识别的神经网络已经在医疗保健、客户分析等领域被广泛应用，但大部分情感识别模型，仍无法深入理解人类情感，而且构建这样一个模型成本很高，开发难度也大。

 

轻量情感识别模型，了解一下

为了解决这个问题，来自法国 Orange Labs 和诺曼底卡昂大学（University of Caen Normandy，简称 UNICAEN）的五位工程师联合发表了一篇论文《An Occam’s Razor View on Learning Audiovisual Emotion》。

他们在论文中提出一种基于视听情感识别（即利用音频和视频进行情感识别）的轻量深度神经网络模型。据说该模型容易训练，可以自动对训练集进行分类，而且准确度高，即便是小型训练集也能获得很好的表现。

该论文提出的这个模型，遵循奥卡姆剃刀定律，并基于 AFEW 数据集进行训练。通过多个处理层（分别用于特征的提取、分析等）同时对音频和视频进行预处理和特征分析，最后结合二者输出情感识别结果。

AFEW 全称为「Acted Facial Expressions In The Wild」，是一个表情识别数据整理集，专为情感识别模型训练和 EmotiW 系列情感识别挑战赛提供测试数据。

所有数据都源自影视剧中剪辑的包含表情的视频片段，包括「愉快、惊讶、厌恶、愤怒、恐惧和悲伤」六种基本表情，及中性表情。

为了让模型更好的识别 AFEW 中的训练数据，五位研发人员还对模型进行了一些创新：

1）通过迁移学习和低维空间嵌入来减少特征维度，简化模型分析流程；

2）为每帧图像评分来进行抽样，降低训练集大小；

3）用一种简单的帧选择机制来对图像序列进行加权；

4）在预测阶段进行了不同形式的特征融合，即先对视频和音频分开处理，然后进行融合。

这一系列的创新，大大减少了表征数据集特征的参数数量，在简化模型训练过程的同时，提高了情感识别的精度。在 2018 年情感识别比赛 EmotiW（Emotion Recognition In The Wild Challenge）上，该模型的识别精度达到了 60.64％，排名第四。

2018 EmotiW 视听情感识别模型精度排行榜，该模型位列第四

其中排名第一的情感识别模型是由国内一家 AI 金融科技公司 SEEK TRUTH (思图场景)研发，准确率为 61.87%。排名第二的模型由美国加州的一家 AI 初创公司 DeepAI 研发，准确率为 61.10%。

 

该模型能自动为训练集添加标签

跟其他情感识别模型相比，该模型最大优势在于模型构建和训练难度很低。可以让计算机更容易感知人类的微表情，包括肢体语言等。

目前，大部分情感识别模型都是通过影视剧中角色表情来进行训练，一来获取成本低，二来表情丰富。

但这些数据在输入到训练集时，没有分类（即为每段视频添加情绪标签），因此在训练之前，需要手动或者通过其他方式来进行分类，操作难度较大，而且容易导致训练集失真。

而 Frédéric Jurie 等人开发的这个视听情感识别模型，可以通过深度神经网络自动对训练集中的表情进行分类，供模型使用。

这样一来，在降低模型训练难度的同时，还提高了识别精度。

该模型也证明，轻量级的神经网络模型可以取得很好的效果，也更容易训练，与当下愈发复杂的神经网络模型形成鲜明对比。

今后，他们将进一步研究如何更好地融合非视频格式的数据，以及识别分类更少，甚至没有分类的数据。

超神经 小百科 

单词

biometrics 

 [ˌbaɪɒ'metrɪks] n. 生物测定学

词组

Pattern recognition 模式识别

Sentiment Analysis 情感分析

历史文章（点击图片阅读）

《细数 Google I/O 曾发布的扑街产品》

《复联还没下档，AI 已经等不及要推荐新电影了》

《Google 返华前，得先说清楚和美军什么关系》