成功“读懂”用户情绪之后，我们怎么挣钱？

记得在一篇报道里看到，儿童和少年之所以出现“七八九、嫌成狗”的状态，是他们无法准确识别周围人面部情绪导致的。当无法捕捉微妙情绪变化的时候，就会做出错误的判断，惹人烦厌。

初创团队  Emotient  起源于加利福尼亚大学的“机器感知实验室”(Machine Perception Lab)，他们最终的目的是打造一套“无所不在”的人类情感分析系统。

Emotient 利用摄像头来捕捉、记录面部肌肉运动，并根据其计算模型来分析出面部表情，最终得出关于表情的动态结果。目前，Emotient能够分辨出类似于喜悦、愤怒、悲伤、惊讶等等这种的基础表情，还能够分析出一些更细微和复杂的表情，比如焦虑以及沮丧。并且分析表情并不需要特别的硬件设备，至少48像素的、从耳朵到耳朵的全脸图像就能满足。基本上，普通的网络摄像头就能够支持分析。

更多往期详细内容和技术高能请点击 这里 。

在商业化方面，情绪学习可以用在商品反馈、零售业实时分析、舆情分析，或者将其投射到游戏中。

近期，Emotient在媒体上 公布 了他们将产品投入广告业的案例。团队选择了美女香艳的racy Carl’s Jr的汉堡广告为例，以270个用户作为测试样本。

广告中多次出现女主近乎全裸的镜头，非常有暗示意味。当上图场景出现时，男性用户愉悦度明显升高，而女性出现愤怒乃至延误的情绪反应。

第二个男性愉悦高潮出现在女主咬汉堡的时候，而女性用户主要情绪表现为“生气”。

不过CEO Ken Denman说，让人感受愉悦或者生气愤怒都算作好的广告，最重要的是“过目不忘”。Emotient正在利用自身技术数字化评估广告的受欢迎程度和“难忘”程度，Ken还说，后者广告商更为重视。

除了个人用户情绪评估，Emotient还将范围扩大到“群体版”。用一台好的4k相机可以同时捕捉400人的表情，不过为了保护用户隐私，在做群体表情收集时，团队会向路人保证：绝不涉及人物面部识别和个人信息搜集。

除了广告业，团队也希望技术能走入实实在在的临床用途中。比如帮助医生快速识别用户的疼痛反应和级别，或者测试孩子的面部反应能力，看其是否能将情绪和表情正确联系起来。

当然，要做到这些，团队还需要其他的“基因”，辅助他们在其他领域成功定义这些反馈表情，比如疼痛程度对应的表情等等。

原创文章，作者：Leah