面部识别技术于20世纪60年代引入，在人工智能寒冬中萎靡不振，近年来在日益强大的深度神经网络的推动下已经起飞。面部识别已应用于Face ID设备解锁功能，公共安全服务，智能支付系统等。在泰勒·斯威夫特（Taylor Swift）2018年的“声誉”巡演中，这位美国创作歌手的安全团队利用该技术来保护她免受跟踪者的侵害。
现在，来自香港科技大学和哈尔滨工程大学的研究团队采用了面部识别技术，通过一个名为“EmotionCues”的视觉分析系统来分析学生在课堂上的情绪。
论文合著者瞿华民说，该系统为教师提供了一个快速方便的衡量学生在课堂上的参与度。了解讲座是否太难以及学生何时感到无聊可以帮助改善教学。
但事情真的有那么简单吗？
拟议的EmotionCues系统包括数据处理阶段和视觉探索阶段。系统首先处理一系列原始数据输入，并使用计算机视觉算法，通过人脸检测、人脸识别、情感识别和特征提取等步骤提取情感信息。在第二阶段，交互式视觉系统使用课堂视频的精细视觉分析来预测学生的情绪状态以及每个学生情绪状态的演变——即莉莉是否失去了兴趣？
研究小组在香港科技大学和日本幼儿园测试了他们的EmotionCues系统。结果表明，EmotionCues在检测“明显的情绪”方面表现更好，例如当学生体验到特别有趣或强烈的学习兴趣时的喜悦感。然而，该系统解释“愤怒”或“悲伤”的能力仍有待提高。例如，实际上非常专注于课堂内容的学生可能会在沉思中抿起嘴唇，不幸的是，系统可能很容易将其解释为“愤怒”。
这项新研究并不是第一次使用技术来分析学生的情绪状态。去年，浙江金华一所小学的学生戴上了智能头带，可以测量大脑神经元的电信号，并将收集到的信息转化为注意力评分。专注的学生的头带显示红灯，而注意力不集中的学生的头带发出蓝色光。学生注意力分数每10分钟发送到老师的笔记本电脑，并同步到微信群，以便家长可以随时远程监控孩子的状态。
虽然该项目的目的是帮助学生提高学习效率，帮助教师提高教学质量，但对学生隐私和系统有效性都提出了担忧。
论文EmotionCues：课堂视频的面向情感的视觉摘要可在IEEE上找到。
