人工智能期望計算機系統能夠履行人類智慧能夠完成的任務，這里的人類智慧包括智力和情感。智力計算已經在多個領域獲得了規模應用，而情感計算卻在很長一段時間內獨立于AI領域之外。早在1997年Rosalind Picard就提出了“情感計算”的理論，2014年被應用于俄羅斯冬奧會之后，情感識別技術更是受到了國際組織的高度重視，被視為繼指紋、聲紋、人臉之后的公共安全高級應用。

情感計算的原理與模型

情感計算研究的重點在于通過各種傳感器采集由人的情感所引起的生理及行為特征信號，建立“情感模型”，從而獲得感知、識別和理解人類情感的能力，并進而做出針對性的智能、靈敏、友好的反應。情感計算可分為四個過程：情感信息采集、情感識別分析、情感理解認知、情感信息表達。

情感雖是一種內部的主觀體驗，但總伴隨著某些表現形式，包括面部表情（面部肌肉變化形成的模式）、語音表情（言語的聲調、節奏和速度等方面的變化）、姿態表情（身體其他部分的表情動作）、生理情感和文本情感等。

面部表情

面部表情是鑒別人類情感的主要標志。通過研究人員面部的微小表情變化，AI系統可以識別其面容背后的情感活動。例如區分真笑和假笑：人在真笑時面頰上升，眼周圍的肌肉堆起；而人在假笑時僅有嘴唇的肌肉活動，下顎下垂。通過臉部不同運動單元的組合，可以在臉部形成復雜的表情變化，譬如幸福、憤怒、悲傷等。

語音表情

語音是人際交往最直接的交流途徑。語音表情是通過語音的高低、強弱、抑揚頓挫來表達說話人的情感。一句“你真行！”，既可以表示贊賞，也可能表示諷刺。語音中的情感特征往往通過語音韻律的變化表現出來，例如當人發怒時，講話的速率可能變快、音量變大、音調變高等，也可以同時通過一些音素特征，例如共振峰、聲道截面等表現出來。

姿態表情

姿態表情一般伴隨著交互過程而發生變化，表達了潛在的情感信息。例如，一個手勢的加強通常反映了一種強調的心態，而其身體某一部位不停地擺動則通常反映其情緒的緊張。人類姿態的變化使情感表述更加生動。相對于面部表情和語調表情，姿態表情會使情感表述更加生動，是當前情感計算的研究熱點。

生理情感

生理表情是通過人類生理細微變化，觀察多種情緒的特定波動變化的模式（如心電圖、電皮膚活動等），識別人們思想情緒的變化。例如當人們感受到壓力而緊張或有不良企圖以致情緒亢奮時，身體交感神經就會啟動相關必要的機能，例如心跳加速、血壓上升、呼吸變快、體溫增高，乃至于肌肉皮膚顫動等生理變化。

文本情感

文本情感分析是通過挖掘與分析文本中的觀點、看法、情緒及好惡等主觀信息，對文本中詞、句和篇章的情感色彩做出判斷。比如一個人說“桌子上有一層灰”，這沒有任何情感詞，但實際上已經表達了他的不滿。再比如，“從下單到收貨不到24小時”表明他稱贊快遞速度很快。

情感狀態的識別和理解，是賦予系統理解人類的情感，并做出合適預警的關鍵步驟。為了使計算機更好地完成情感識別任務，科學家已經對人類的情感狀態進行了合理而清晰的分類。目前，在情感識別和理解的方法上運用了模式識別、人工智能、語音和圖像技術的大量研究成果。例如，在情感語音的聲學分析基礎上，運用線性統計方法和神經網絡模型，實現了基于語音的情感識別原型；通過對面部運動區域進行編碼，采用HMM等模型，建立了面部情感特征的識別方法；通過對人姿態和運動的分析，探索肢體運動的情感類別等等。

情感計算的研究現狀與成果

情感計算是一個高度綜合化的技術領域。截至目前，有關研究已經在人臉表情、語音理解、姿態分析和多模態的情感識別方面獲得了一定的進展。

臉部表情

國際著名心理學家Paul Ekman和研究伙伴W.V.Friesen對人臉面部表情作了深入的研究，通過觀察和生物反饋，于1976年描繪出了不同的臉部肌肉動作和不同表情的對應關系，即面部表情編碼系統FACS。FACS根據人臉的解剖學特點，將人臉劃分成若干既相互獨立又相互聯系的運動單元，分析了這些運動單元的運動特征及其所控制的主要區域以及與之相關的表情，并給出了大量的照片說明。FACS是如今面部表情的肌肉運動的權威參照標準，也被心理學家和動畫片繪畫者使用。

為滿足視頻信息傳輸的需要，人們進一步將人臉識別和合成的工作融入到視頻圖像編解碼之中。典型如MPEG4 V2視覺標準，其中定義了3個重要的參數集：人臉定義參數、人臉內插變換和人臉動畫參數。

當前人臉表情處理技術研究的熱點多側重于對三維圖像的更加細致的描述和建模。通常采用復雜的紋理和較細致的圖形變換算法，達到生動的情感表達效果。在此基礎上，不同的算法形成了不同水平的應用系統。

語音理解

目前，國際上對情感語音的研究主要側重于情感的聲學特征的分析。中國科學院自動化研究所模式識別國家重點實驗室的專家們針對語言中的焦點現象，首先提出了情感焦點生成模型。這為語音合成中情感狀態的自動預測提供了依據，結合高質量的聲學模型，使得情感語音合成和識別達到了實用水平。

姿態變化

針對肢體運動，科學家專門設計了一系列運動和身體信息捕獲設備，例如運動捕獲儀、數據手套、智能座椅等。國外一些著名的大學和跨國公司，例如麻省理工學院、IBM等則在這些設備的基礎上構筑了智能空間。也有人將智能座椅應用于汽車的駕座上，用于動態監測駕駛人員的情緒狀態，并提出適時警告。意大利的一些科學家還通過一系列的姿態分析，對辦公室的工作人員進行情感自動分析，設計出更舒適的辦公環境。

生理識別

不同的生理信號的特征模式也是情感識別的重要依據之一。 人的生理信號比起面部表情和語音，識別難度更大，所以目前生理模式的情感識別研究還處于初級階段。哪些信號可以轉化為情感參數、信號各個方面的權重、比例應該是多少，這些都還需要進行進一步的研究和探索。

文本情感計算

文本情感計算是自然語言處理的一個研究分支，其工作展開的關鍵在于情感特征提取和情感分類方法的不斷進步優化。盡管經過了大量研究，文本情感計算取得了很大的進展，但整體仍處于探索階段，存在一些亟待解決和研究的問題：缺乏規范統一的實驗語料和詞典。目前針對語言規律和句子語義成分的分析問題，還沒有成熟的解決方案。

多模態的情感計算

雖然人臉、語音、姿態、生理、文本均能獨立地表示一定的情感，但只有實現多通道的情感信息采集，才能實現完整的情感識別。這通常要求系統集自然語言、語音、手語、人臉、唇讀、頭勢、體勢等多種交流通道于一體，進行綜合的采集、分析和識別。

目前，多模態技術正在成為情感計算的研究熱點，實現情感的多特征融合，能夠有力地提高情感計算的研究深度。美國麻省理工學院、日本東京科技大學、美國卡內基·梅隆大學均在情感機器人和情感虛擬人的研究領域做出了較好的演示系統。中科院自動化所模式識別國家重點實驗室也已將情感處理融入到了多模態交互平臺中，結合情感語音合成、人臉建模等技術，構筑了栩栩如生的情感虛擬頭像。

情感計算的安防應用前景

情感計算在安防領域具有廣泛的應用前景。計算機通過對人類面部表情、語音表情、姿態表情、生理表情和文本情感的獲取、分類和識別，可以及時獲取目標對象的情感變化，并對異常危險行為提出預警，實施相應的應對措施。