應用微表情識別技術實現公安預警模式的探討

夏乾馨 付強

摘 要：隨著深度學習的不斷深入，計算機識別迎來了嶄新的發展機遇，以微表情行為識別、人臉識別、聲紋識別等為代表的前沿技術，已經進入新的研究階段，并且取得了非常顯著的效果。微表情識別技術由傳統的經驗傳承到由以深度學習為基礎的智能化識別，使得該項技術有了更廣泛的應用場景。隨著該項技術的不斷成熟其應用的場景將更加廣泛，通過對微表情的識別原理和基于深度學習的微表情識別技術的識別原理和技術特點的簡要介紹，拓展延伸出該項技術在偵查訊問、視頻偵查、監所預警、重點人員篩查和大型活動預警等領域的應用。

關鍵詞：微表情；微表情識別；微表情應用

Application of micro expression recognition technology to realize early warning mode of public security

XIA Qian Xin 1 ，FU Qiang 2

（Criminal Police Detachment of Fuxin Public Security Bureau， Fuxin 123000，China；Criminal Police Brigade of Fumeng County Public Security Bureau， Fuxin 123100， China）

Abstract： With the deepening of deep learning， computer multi-dimensional recognition should also have a new development opportunity. The cutting-edge technologies， such as micro expression behavior recognition， face recognition， voiceprint recognition， have entered a new research stage， and achieved very significant results. Micro expression recognition technology has been inherited from traditional experience to intelligent recognition based on deep learning， which makes it more widely used. With the continuous maturity of the technology， its application scenarios will be more extensive. Through the brief introduction of the recognition principle of micro expression and the recognition principle and technical characteristics of micro expression recognition technology based on deep learning， the application of the technology in the fields of investigation and interrogation， video investigation， prison early warning， key personnel screening and large-scale activity early warning will be expanded.

Keywords： Micro expression； micro expression recognition； micro expression application

引 言

“普通人在每十分鐘的談話中會說三個謊話”是2009年偵探題材的熱播系列美劇《別對我撒謊》經典臺詞，該劇的主人公原型就是美國心理學家保羅·艾克曼，他最早是在 1969 年提出“微表情”這一概念，并認為可通過分析一個人的臉、肢體動作、聲調和話語來洞悉真相，這使得微表情這個詞迅速躥紅。隨著科學研究的不斷探索，研究面部表情和隨機肢體語言來判斷言語和行為的真假，通過分析人們的面部表情、肢體語言、手勢等非語言符號為線索，從而探測人們是否在撒謊以還原事件真相的故事。微表情識別通過對面部表情的外在識別探究人物的心理活動，該項技術在現實生活中各領域中有著廣泛的應用。

一、微表情產生的基本原理

神經生理是表情產生的物質基礎，一切表情都與大腦生理結構、功能、神經運動、肌肉組織等相關，甚至直接體現。人類的面部表情由兩種神經系統主宰，其中一種就是錐體束運動系統，該系統主要驅動自主的和來源于大腦皮層的面部運動。簡而言之，當面部表情由錐體束運動系統驅動時，表現出的有可能是一種經過思考、權衡的面部表情，但這種表情并不一定是當事人內心的真實感受。而由錐體束外運動系統驅動的非自主的和來源于皮層下的面部運動是不經過大腦思考的，也就是說這種面部運動（微表情）是不受個人意識控制的。因此，它往往表現出個體內心的真實感受。

人類是善于通過表情來偽裝情緒的動物，不過這都逃不過心理學家的敏銳觀察，微表情，是極大地壓縮了正常表現時間的完整的情緒性表現，盡管它完整地表現于臉上，但持續的時間僅止于一瞬間，快到讓人難以察覺。心理學家通過對微表情的識別與分析，來揭示人們試圖隱藏的真實情緒例如憤怒、憂慮、恐懼、氣餒、自卑、悲痛、否定、嫉妒、緊張、喜悅等等。心理學家保羅·埃克曼作為研究微表情的先驅，他不需要借助測謊儀之類的設備，甚至不需要對話，只需要觀察細微的表情變化便可以判斷一個人是否說謊。之所以能夠這樣，是因為人們在體驗情緒時會有一系列肌肉動作不自覺地表現出來。例如一個人在對事物表示驚訝時，下顎會自然下垂，嘴唇和嘴巴放松，眼睛張大，眼瞼和眉毛會微微上抬，或者人們在憤怒時，眉毛會緊皺下垂，眼瞼和嘴唇緊閉等等表情。在人們試圖掩飾自己真實情緒時泄露出來的面部動作。這種表情可以完整的呈現人隱瞞的情緒，但轉瞬即逝，往往只有 1 /25 秒的時間，往往為人們所忽略。

二、基于深度學習技術的微表情識別

但正如對微表情的定義，微表情持續時間短暫、變化幅度微弱和動作區域較少，很多時候人們很難注意到其存在。只有那些經過大量訓練的專家才能準確地識別和解讀，這個過程往往耗費人力、耗費時間，而且準確率還需要實踐經驗的不斷錘煉。

深度學習的概念源于人工神經網絡的研究，含多個隱藏層的多層感知器就是一種深度學習結構，通過組合低層特征形成更加抽象的高層屬性或類別特征，從而對數據進行表征。簡單來說機器學習是實現人工智能的方法，深度學習是實現機器學習的技術。深度學習的出現，為計算機視覺領域帶來新的活力，也推動了微表情識別、人臉比對、語義分割等領域研究進入新的階段，并且取得了非常顯著的效果。深度學習是指依靠現階段強大的圖形計算能力和大數據的發展，利用人工神經網絡來學習特征的方式，其基本思想是通過卷積神經網絡等方式將大量的訓練數據進行復雜的計算并通過反向傳播更新網絡參數，最后使得訓練出來的模型能夠更好地反映數據特征。

要了解深度學習就不得不談人工智能，在1956年美國達特茅斯會議上幾個計算機科學首次提出了“人工智能”的概念。在之后的幾十年中，人工智能一直呈現出兩極分化的局面。一種是被稱作人類文明耀眼未來的預言，另一種是被當成技術瘋子的狂想扔到垃圾堆里。人工智能就一直縈繞于人們的腦海之中，并在科研實驗室中慢慢孵化，這兩種聲音也一直此消彼長，直到2015年，人工智能開始大爆發，很大一部分是由于GPU的廣泛應用，使得并行計算變得更快、更便宜、更有效。人工智能的子集，先是機器學習，然后是深度學習。如果用一個同心圓圖形描述就是，人工智能是最早出現的，也是最大、最外側的同心圓；其次是機器學習，稍晚一點；最內側，是深度學習，當今人工智能大爆炸的核心驅動。

深度學習作為機器學習領域中前沿的研究方向，該技術將微表情識別的三個步驟特征選擇、學習及分類集成為一體。深度學習通過模仿人腦的機理對數據進行描述。一般而言，深度學習網絡具有交替分層的結構，例如卷積層、下采樣層與全連接層等。實踐表明，深度學習是一種高效的特征提取方法，它通過組合低層特征形成更加抽象的高層表示特征實現對數據更本質的刻畫。深度學習的本質在于通過組建含有多層結構的學習網絡，從大量的數據中，學習并提取有效的特征信息進而提高網絡模型的建模與泛化能力。微表情識別技術是目前極具前瞻性的研究領域，深度學習模型的引入，較大提升了微表情識別性能，也將加速該領域的應用進展。通過大數據量的不斷積累，進一步加強對深度學習模型的可視化技術研究，提高學習模型的可靠性分析，并在可解釋性的基礎上進一步提高微表情識別準確度。

三、微表情識別技術在警務實戰中的應用

我們知道面部表情是可以受主觀意識控制，例如一個人可能因其知識、閱歷、能力等原因，在內心波濤洶涌的時候做到面不改色。然而，微表情是面部肌肉條件反射地表現出情緒所對應的行為。正是因為如此，微表情往往能夠揭示人類試圖隱藏的真實情緒。對與微表情的識別技術在實戰中具有廣泛的應用。

（一）審訊輔助

一場成功的審訊，如一場無硝煙的博弈，是偵查人員與犯罪嫌疑人信息不對稱的較量，更是偵查人員與犯罪嫌疑人的心理較量。如何讓偵查人員快速抓住犯罪嫌疑人心理與情緒狀態，將是偵查訊問成敗的關鍵。然而，基層公安機關普遍存在的偵查訊問能力不強等問題。實際偵查訊問工作中，人員能力的提升都是通過實踐經驗積累和相互交流學習來實現的，但這種經驗積累需要一個很長時間積淀的過程。

微表情識別技術是通過在訊問中的嫌疑人應對訊問時的問題刺激追蹤其情緒變化，來進行謊言識別的一種手段之一，其目的是揭露犯罪嫌疑人的故意欺騙。在對嫌疑人進行訊問時，嫌疑人即使能比較成功地掩飾自身的主要情緒反應，但難免泄露某些微表情。這些嫌疑人的微表情反應與普通面部表情不同，因為嫌疑人很難意識到做出該表情，所以更有真實性。從而輔助偵查人員對嫌疑人心理情緒進行監控。

構建以微表情識別和語音情感分析的審訊輔助系統。該系統利用計算機視覺和聽覺技術，融合犯罪認知心理學理論，在為微表情識別技術和音頻語義情感分析的基礎上，構建類腦智能化的審訊輔助分析技術，捕捉犯罪嫌疑人瞬態及全景微表情圖譜，從而形成重要的客觀偵查訊問線索，超越人工捕捉的極限；系統基于對犯罪認知心理學理論和犯罪嫌疑人的在心理測試過程中微表情特征，構建表情對應的心理情緒圖譜，輔助心理測試人員及時準確發現和掌握犯罪嫌疑人心理特征及行為傾向，同時在偵查訊問中，有效結合人工智能手段來完成偵查訊問的經驗的傳承。

（二）監控預警

1.視頻監控預警

由于現代化信息技術的普及與發展，大數據逐漸成為公安工作創新發展的重要手段[1]，視頻監控領域也在數據支持下取得飛躍式發展。面對日益復雜嚴峻的社會公共安全形勢和違法犯罪行為的科技含量越來越高，以視頻偵查及視頻感知解析為引領的公安信息化技術發展已經成為維護社會穩定、提升打擊能力、增強警務核心戰斗力不可或缺的科技支撐。將微表情識別技術，融入到視頻結構感知解析領域，通過人臉識別技術對通過視頻結構化的人臉微表情進行識別，微表情識別的目的在于通過機器智能為人們提供預警參考。如何根據表情情緒識別的結果，進行合理的表情變化預測分析，進而及時排查出可疑人員進行預警。進行多維度、多指標聯合預警策略，是對情感分析所反映的潛在行為分析的有效途徑。保障預警的實時性和可靠性，輔助偵查人員對特殊事件快速做出反應，為公安科技創新發展營造機遇[2]。

2.監所管理管部門的監控預警

當前，我國正處于社會轉型期，各類矛盾凸顯，仍處于各類違法犯罪高發期，特別是涉黑、涉暴恐、涉毒等惡性犯罪對社會公眾的負面刺激越來越強烈。面對新的形勢，我們要積極探索新思路，在監管場所治理的思維方式、手段方式、管理體系、隊伍治理能力等方面推陳出新，各地都積極穩妥推進“智慧監管”建設。在“智慧監管”系統中引入微表情識別技術是對部分疑似高危被監管人員，進行心理與情緒分析，能夠協助監管部門更有針對性地開展管理工作。通過監控結構化的人臉數據進行分析比對，對被監管人員的心理與情緒狀態進行全監控，用顏色條進行數字化、可視化提示，對高危和可疑人員進行預警。

3.大型活動安保及群體性事件的監控預警

大型活動安保和應對重大突發事件的能力是一個城市現代化程度的重要標志。自911事件以后，各個國家更加迫切需要行之有效的社會安全風險預警。目前我國正進入“突發公共事件的高發期”和“社會高風險期”。如何利用科技手段應對“兩高”，是擺在我們面前的一個難題。大型活動和群體性事件都是人員聚集密度大的現場。群體性事件是一個利益訴求和情感宣泄不斷相互交織的過程，在其中群體性的非理性沖動表現的非常突出，如果不能把握好群體情緒動態走向，事態發展瞬息萬變，對社會秩序和穩定有很大的破壞性，通過微表情識別技術可以對群體情緒的數據進行收集、分析、研判給決策者提供數據支持。在大型活動的特定場所，微表情識別技術可以借助高清探頭，在嫌疑人無防備的狀態下實現對非危險分子的預警處理，從而彌補高危人群數據庫的局限性。當然目前微表情分析預警受環境、清晰度、算法、數據庫的限制，但隨著深度的學習的不斷融合深入，數據量的不斷擴增，微表情的應用也將進一步提高。

4.重點交通樞紐的監控預警

在機場、火車站、客運站、出入境口岸等重點交通樞紐和人員聚集的重點地區，將微表情識別技術融入視頻監控中，在對人臉識別比對的同時對進出入的人員進行微表情識別，通常人們在實施犯罪前往往會有因為內心的罪惡感、被發現后面臨嚴重懲罰的恐懼感、從未實施過此行為的慌亂感等產生的異常情緒流露，當視頻圖像定位到人臉后，通過提取表情特征，確定表情特征分類從而對異常者實現主動預警。

人類的面部表情是具有普遍性的，不分種族、文化、年齡和性別，人在成長過程中逐步學會了情緒管理和表情的調整。但是由于面部表情過于復雜且具有人們難以破除的習慣性，相比傳統經驗提取特征的方式難以揭示表情數據中隱藏的本質聯系，微表情分析是目前極具前瞻性的研究領域，深度學習技術的引入，極大提升了微表情識別性能，深度學習又可以挖掘數據背后深層次的內在關聯，自主的從數據中全面且有效地提取特征。隨著數據量的增加，深度學習可以獲取更好的識別性能。促進人工智能的“類腦”大數據分析技術與微表情識別技術的深度融合，也將加速該領域的應用進展。

微表情識別的目的在于通過機器智能為人們提供預警參考。如何分析表情識別的數據結果，對數據進行，合理的預測分析，保障預警的實時性和可靠性，輔助相關人員對特殊事件快速做出反應，進而及時排查出可疑人員是我們今后一個時期研究的重點。通過多指標聯合預警方案策略和微表情識別技術的不斷發展，加大視頻巡控力度，堅持高起點規劃[3]，大力推進微表情技術在公安預警中的應用，充分發揮技術革新的作用，促進微表情識別裝備的智能化升級，實現科技強警。

參考文獻：

[1]于龍.公安大數據的特征優勢與實踐應用[J].遼寧警察學院學報，2019，21（05）：48-55.

[2]于龍.基于科技興警視角智慧110報警系統的設計[J].中國安全防范技術與應用，2020（05）：66-69.

[3] 王旭.肖洪偉.試論立體化社會治安防控體系的構建[J].法制與社會，2015（27）：182-183.