人工智能可以做的事情很多，但它们能“读懂”人类的心情吗？近期科学家们可能找到了一种让AI学会“读心”的方法。查珀尔希尔大学（University of Chapel Hill）和马里兰大学（University of Maryland）的研究员们研发了一种机器学习方法，利用人们步行时的身体语言，解读他们的情绪。
该算法利用3D人体姿态估计技术，来识别步行视频中目标情绪，它能够从人的步态中识别他们的感知情绪（perceived emotion）、效价（valence）和唤醒（arousal），准确率达80.07%。效价主要表现为人们的消极或积极等情绪，而唤醒则表现为人们情绪的平静或充满活力等状态。
四种长效情绪识别
研究人员认为，情绪在人们的生活中扮演着重要的角色，既贯穿了人们的经历，同时也塑造了人们看待世界和与他人互动的方式。由于感知情绪在人们的日常生活中有着重要作用，因此自动情绪识别技术在游戏和娱乐、安全和执法、购物、人机交互等领域，已经成为了学术界一个重要的研究内容。
研究人员指出，由于快乐、悲伤、愤怒和中性这四种情绪的特征更加离散，所以研究只设置了这四种分类，这四种情绪都能较长时间地影响人们，并能丰富人们的步行方式。
研究人员从多个步行视频语料库中提取人们的步态，并使用3D姿态估计技术来识别提取的步态和步态表现的情绪特征。这些3D姿态会被传输到能够学习长期相关性的长短期记忆模型（LSTM）网络中，研究人员将利用这一网络从姿态序列中获取特征，并使用多个步态数据集来训练这个LSTM网络。
同时，研究人员还将经过计算的情感特征与深层特征连接起来，并与随机森林分类器（Random Forest Classifier）相结合，输出多个独立决策树的平均预测，将提取的步态例子分到上述四种情绪类别中。
研究最后的实际效果可以针对一个给定的人走路的RGB视频，利用三维人体定位技术来提取一组3D步态，然后从步态中提取上述特征，最后用随机森林分类器进行情感分类，准确率可达80%。
多种步态识别特征
研究人员获取的步态特征包括了人们的肩膀姿势、连续步伐之间的距离，以及手和脖子之间的区域。在身体语言方面，人们的步行方式常常会受到情绪的影响，例如，当人感到压抑或沮丧时，会比满足时更耸拉着肩膀。
机器算法在识别步态的过程中，头部倾斜角度被用来区分快乐和悲伤的情绪，而“身体紧张”和“身体舒张”分别识别积极和消极的情绪。至于情绪平静还是精神充沛，研究人员注意到它往往与运动量是否增加相对应，该模型考虑了速度、加速度的大小，以及手、脚和头部关节的“运动抖动”。
不仅仅用于常规监控的步态识别
研究步态识别技术并不是什么新鲜事儿。十多年来，美国、日本和英国的科学家一直在研究这项技术。无论是用于监视并及时阻止罪犯行为，还是帮助零售业公司锁定不满的顾客，有的科学家们都试图采用相对复杂的面部识别系统。但是根据研究，只通过一个人的面部表情并不能完全准确看出一个人的情绪，许多人倾向于用身体表达情绪。
而基于走路姿势的情绪识别研究除了可用于常规的监控任务，还能够被应用于识别可能患有未确诊的身体或精神疾病的人，以及用来开发具有更强理解能力以及更像人类的交互能力的机器人。在未来，这一技术的发展将为人们情绪识别等研究提供可靠的技术支持，也将为人们的娱乐、安全和人机交互等方面带来更多便利，或许以后结合面部表情与步态的AI情绪识别才是主流。
人工智能时代，机器学习，尤其是深度学习，在各行各业中得到了越来越广泛的应用。除了上文所说的步态的AI情绪识别，还有智能交互、人机交流、图像和视频识别、面部检测、智能语音识别和财务预测等，已经走进了我们生活中的方方面面。但是，AI 产业目前正处于蓬勃发展的初期，虽产生了广泛的应用，但也面临着技术应用门槛高、供应链条长、供需信息复杂而不对称、品牌信任度和影响力薄弱等困境。因而，一站式AI算法交易及产品化平台钛灵AI算法市场的出现，为困境中的AI产业带来了新的曙光。目前，该平台已经实现了智能撮合服务，能够无缝对接合作伙伴，为客户交付综合性解决方案，极大降低了集成成本，促进了产业链多角色协同，让AI产品开发成本更低、落地更快。
