短的绕口令
82
Application of micro expression recognition technology to realize
early warning mode of public curity
摘 要：随着深度学习的不断深入，计算机识别迎来了崭新的发展机遇，以微表情行为识别、人脸识别、声纹识别等为代表的前沿技术，已经进入新的研究阶段，并且取得了非常显著的效果。微表情识别技术由传统的经验传承到由以深度学习为基础的智能化识别，使得该项技术有了更广泛的应用场景。随着该项技术的不断成熟其应用的场景将更加广泛，通过对微表情的识别原理和基于深度学习的微表情识别技术的识别原理和技术特点的简要介绍，拓展延伸出该项技术在侦查讯问、视频侦查、监所预警、重点人员筛查和大型活动预警等领域的应用。关键词：微表情；微表情识别；微表情应用
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 rearch stage, and achieved very significant r
esults. Micro expression recognition technology has been inherited from traditional experience to intelligent recognition bad on deep learning, which makes it more widely ud. 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 bad 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
夏乾馨1 ，付强2
（1.阜新市公安局刑警支队，阜新 123000，中国；2.阜新市阜蒙县公安局刑警大队，阜新 123100，中国）原子
应用微表情识别技术实现公安预警模式的探讨
引 言
“普通人在每十分钟的谈话中会说三个谎话”是2009年侦探题材的热播系列美剧《别对我撒谎》经典台词，该剧的主人公原型就是美国心理学家保罗·艾克曼，他最早是在 1969 年提出“微表情”这一概念，并认为可通过分析一个人的脸、肢体动作、声调和话
中国人失掉自信力语来洞悉真相，这使得微表情这个词迅速蹿红。随着科学研究的不断探索，研究面部表情和随机肢体语言来判断言语和行为的真假，通过分析人们的面部表情、肢体语言、手势等非语言符号为线索，从而探测人们是否在撒谎以还原事件真相的故事。微表情识别通过对面部表情的外在识别探究人物的心理活动，该项技
作者简介：1.夏乾馨（1987— ），男，辽宁本溪人，辽宁省阜新市公安局刑事犯罪案件侦查支队警务技术四级主管，特种技术室主任，研究方向：刑事科学技术。2.付强（1975- ），男，辽宁阜新人，阜新市阜蒙县公安局刑警大队副大队长，研究方向：刑事科学技术。
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)
术在现实生活中各领域中有着广泛的应用。
一、微表情产生的基本原理
神经生理是表情产生的物质基础，一切表情都与大脑生理结构、功能、神经运动、肌肉组织等相关，甚至直接体现。人类的面部表情由两种神经系统主宰，其中一种就是锥体束运动系统，该系统主要驱动自主的和来源于大脑皮层的面部运动。简而言之，当面部表情由锥体束运动系统驱动时，表现出的有可能是一种经过思考、权衡的面部表情，但这种表情并不一定是当事人内心的真实感受。而由锥体束外运动系统驱动的非自主的和来源于皮层下的面部运动是不经过大脑思考的，也就是说这种面部运动（微表情）是不受个人意识控制的。因此，它往往表现出个体内心的真实感受。
人类是善于通过表情来伪装情绪的动物，不过这都逃不过心理学家的敏锐观察，微表情，是极大地压缩了正常表现时间的完整的情绪性表现，尽管它完整地表现于脸上，但持续的时间仅止于一瞬间，快到让人难以察觉。心理学家通过对微表情的识别与分析，来揭示人们试图隐藏的真实情绪例如愤怒、忧虑、恐惧、气馁、自卑、悲痛、否定、嫉妒、紧张、喜悦等等。心理学家保罗·埃克曼作为研究微表情的先驱，他不需要借助测谎仪之类的设备，甚至不需要对话，只需要观察细微的表情变化便可以判断一个人是否说谎。之所以能够这样，是因为人们在体验情绪时会有一系列肌肉动作不自觉地表现出来。例如一个人在对事物表示惊讶时，下颚会自然下垂，嘴唇和嘴巴放松，眼睛张大，眼睑和眉毛会微微上抬，或者人们在愤怒时，眉毛会紧皱下垂，眼睑和嘴唇紧闭等等表情。在人们试图掩饰自己真实情绪时泄露出来的面部动作。这种表情可以完整的呈现人隐瞒的情绪，但转瞬即逝，往往只有 1 /25
工作日报表模板秒的时间，往往为人们所忽略。
二、基于深度学习技术的微表情识别
但正如对微表情的定义，微表情持续时间短暂、变化幅度微弱和动作区域较少，很多时候人们很难注意到其存在。只有那些经过大量训练的专家才能准确地识别和解读，这个过程往往耗费人力、耗费时间，而且准确率还需要实践经验的不断锤炼。
深度学习的概念源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构，通过组合低层特征形成更加抽象的高层属性或类别特征，从而对数据进行表征。简单来说机器学习是实现人工智能的方法，深度学习是实现机器学习的技术。深度学习的出现，为计算机视觉领域带来新的活力，也推动了微表情识别、人脸比对、语义分割等领域研究进入新的阶段，并且取得了非常显著的效果。深度学习是指依靠现阶段强大的图形计算能力和大数据的发展，利用人工神经网络来学习特征的方式，其基本思想是通过卷积神经网络等方式将大量的训练数据进行复杂的计算并通过反向传播更新网络参数，最后使得训练出来的模型能够更好地反映数据特征。
要了解深度学习就不得不谈人工智能，在1956年美国达特茅斯会议上几个计算机科学首次提出了“人工智能”的概念。在之后的几十年中，人工智能一直呈现出两极分化的局面。一种是被称作人类文明耀眼未来的预言，另一种是被当成技术疯子的狂想扔到垃圾堆里。人工智能就一直萦绕于人们的脑海之
中，并在科研实验室中慢慢孵化，这两种声音也一直此消彼长，直到2015年，人工智能开始大爆发，很大一部分是由于GPU的广泛应用，使得并行计算变得更快、更便宜、更有效。人工智能的子集，先是机器学习，然后是深度学习。如果用一个同心圆图形描述就是，人工智能是最早出现的，也是最大、最外侧的同心圆；其次是机器学习，稍晚一点；最内侧，是深度学习，当今人工智能大爆炸的核心驱动。
83
84深度学习作为机器学习领域中前沿的研究方向，
打印机如何加墨粉该技术将微表情识别的三个步骤特征选择、学习及分类集成为一体。深度学习通过模仿人脑的机理对数据进行描述。一般而言，深度学习网络具有交替分层的结构，例如卷积层、下采样层与全连接层等。实践表明，深度学习是一种高效的特征提取方法，它通过组合低层特征形成更加抽象的高层表示特征实现对数据更本质的刻画。深度学习的本质在于通过组建含有多层结构的学习网络，从大量的数据中，学习并提取有效的特征信息进而提高网络模型的建模与泛化能力。微表情识别技术是目前极具前瞻性的研究领域，深度学习模型的引入，较大提升了微表情识别性能，也将加速该领域的应用进展。通过大数据量的不断积累，进一步加强对深度学习模型的可视化技术研究，提高学习模型的可靠多看无滋味
性分析，并在可解释性的基础上进一步提高微表情识别准确度。
三、微表情识别技术在警务实战中的应用
我们知道面部表情是可以受主观意识控制，例如一个人可能因其知识、阅历、能力等原因，在内心波涛汹涌的时候做到面不改色。然而，微表情是面部肌肉条件反射地表现出情绪所对应的行为。正是因为如此，微表情往往能够揭示人类试图隐藏的真实情绪。对与微表情的识别技术在实战中具有广泛的应用。
（一）审讯辅助
礼仪常识一场成功的审讯，如一场无硝烟的博弈，是侦查人员与犯罪嫌疑人信息不对称的较量，更是侦查人员与犯罪嫌疑人的心理较量。如何让侦查人员快速抓住犯罪嫌疑人心理与情绪状态，将是侦查讯问成败的关键。然而，基层公安机关普遍存在的侦查讯问能力不强等问题。实际侦查讯问工作中，人员能力的提升都是通过实践经验积累和相互交流学习来实现的，但这种经验积累需要一个很长时间积淀的过程。
微表情识别技术是通过在讯问中的嫌疑人应对讯问时的问题刺激追踪其情绪变化，来进行谎言识别的一种手段之一，其目的是揭露犯罪嫌疑人的故意欺骗。在对嫌疑人进行讯问时，嫌疑人即使能比较成
功地掩饰自身的主要情绪反应，但难免泄露某些微表情。这些嫌疑人的微表情反应与普通面部表情不同，因为嫌疑人很难意识到做出该表情，所以更有真实性。从而辅助侦查人员对嫌疑人心理情绪进行监控。
构建以微表情识别和语音情感分析的审讯辅助系统。该系统利用计算机视觉和听觉技术，融合犯罪认知心理学理论，在为微表情识别技术和音频语义情感分析的基础上，构建类脑智能化的审讯辅助分析技术，捕捉犯罪嫌疑人瞬态及全景微表情图谱，从而形成重要的客观侦查讯问线索，超越人工捕捉的极限；系统基于对犯罪认知心理学理论和犯罪嫌疑人的在心理测试过程中微表情特征，构建表情对应的心理情绪图谱，辅助心理测试人员及时准确发现和掌握犯罪嫌疑人心理特征及行为倾向，同时在侦查讯问中，有效结合人工智能手段来完成侦查讯问的经验的传承。
（二）监控预警
1.视频监控预警
由于现代化信息技术的普及与发展，大数据逐渐成为公安工作创新发展的重要手段[1]，视频监控领域也在数据支持下取得飞跃式发展。面对日益复杂严峻的社会公共安全形势和违法犯罪行为的科技含量越来越高，以视频侦查及视频感知解析为引领的公安信息化技术发展已经成为维护社会稳定、提升打击能力、增强警务核心战斗力不可或缺的科技支撑。将微表情识别技术，融入到视频结构感知解析领
域，通过人脸识别技术对通过视频结构化的人脸微表情进行识别，微表情识别的目的在于通过机器智能为人们提供预警参考。如何根据表情情绪识别的结果，进行合理的表情变化预测分析，进而及时排查出可疑人员进行预警。进行多维度、多指标联合预警策略，是对情感分析所反映的潜在行为分析的有效途径。保障预警的实时性和可靠性，辅助侦查人员对特殊事件快速做出反应，为公安科技创新发展营造机遇[2]。
2.监所管理管部门的监控预警
当前，我国正处于社会转型期，各类矛盾凸显，仍处于各类违法犯罪高发期，特别是涉黑、涉暴恐、涉毒等恶性犯罪对社会公众的负面刺激越来越强烈。面对新的形势，我们要积极探索新思路，在监管场所治理的思维方式、手段方式、管理体系、队伍治理能力等方面推陈出新，各地都积极稳妥推进“智慧监管”建设。在“智慧监管”系统中引入微表情识别技术是对部分疑似高危被监管人员，进行心理与情绪分析，能够协助监管部门更有针对性地开展管理工作。通过监控结构化的人脸数据进行分析比对，对被监管人员的心理与情绪状态进行全监控，用颜色条进行数字化、可视化提示，对高危和可疑人员进行预警。
3.大型活动安保及群体性事件的监控预警
大型活动安保和应对重大突发事件的能力是一个城市现代化程度的重要标志。自911事件以后，各个
危行言逊
国家更加迫切需要行之有效的社会安全风险预警。目前我国正进入“突发公共事件的高发期”和“社会高风险期”。如何利用科技手段应对“两高”，是摆在我们面前的一个难题。大型活动和群体性事件都是人员聚集密度大的现场。群体性事件是一个利益诉求和情感宣泄不断相互交织的过程，在其中群体性的非理性冲动表现的非常突出，如果不能把握好群体情绪动态走向，事态发展瞬息万变，对社会秩序和稳定有很大的破坏性，通过微表情识别技术可以对群体情绪的数据进行收集、分析、研判给决策者提供数据支持。在大型活动的特定场所，微表情识别技术可以借助高清探头，在嫌疑人无防备的状态下实现对非危险分子的预警处理，从而弥补高危人群数据库的局限性。当然目前微表情分析预警受环境、清晰度、算法、数据库的限制，但随着深度的学习的不断融合深入，数据量的不断扩增，微表情的应用也将进一步提高。
4．重点交通枢纽的监控预警
在机场、火车站、客运站、出入境口岸等重点交通枢纽和人员聚集的重点地区，将微表情识别技术融入视频监控中，在对人脸识别比对的同时对进出入的人员进行微表情识别，通常人们在实施犯罪前往往会有因为内心的罪恶感、被发现后面临严重惩罚的恐惧感、从未实施过此行为的慌乱感等产生的异常情绪流露，当视频图像定位到人脸后，通过提取表情特征，确定表情特征分类从而对异常者实现主动预警。
人类的面部表情是具有普遍性的，不分种族、文化、年龄和性别，人在成长过程中逐步学会了情绪管理和表情的调整。但是由于面部表情过于复杂且具有人们难以破除的习惯性，相比传统经验提取特征的方式难以揭示表情数据中隐藏的本质联系，微表情分析是目前极具前瞻性的研究领域，深度学习技术的引入，极大提升了微表情识别性能，深度学习又可以挖掘数据背后深层次的内在关联，自主的从数据中全面且有效地提取特征。随着数据量的增加，深度学习可以获取更好的识别性能。促进人工智能的“类脑”大数据分析技术与微表情识别技术的深度融合，也将加速该领域的应用进展。
微表情识别的目的在于通过机器智能为人们提供预警参考。如何分析表情识别的数据结果，对数据进行，合理的预测分析，保障预警的实时性和可靠性，辅助相关人员对特殊事件快速做出反应，进而及时排查出可疑人员是我们今后一个时期研究的重点。通过多指标联合预警方案策略和微表情识别技术的不断发展，加大视频巡控力度，坚持高起点规划[3]，大力推进微表情技术在公安预警中的应用，充分发挥技术革新的作用，促进微表情识别装备的智能化升级，实现科技强警。
参考文献：
[1]于龙.公安大数据的特征优势与实践应用[J].辽宁警察学院学报，2019，21（05）：48-55.
[2]于龙.基于科技兴警视角智慧110报警系统的设计[J].中国安全防范技术与应用，2020（05）:66-69.
[3] 王旭.肖洪伟.试论立体化社会治安防控体系的构建[J].法制与社会，2015（27）：182-183.
85
