微软牛津计划新进展：人脸识别可精准读懂8种情绪

2015年，如果你还停留在用How-Old.net测年龄的乐趣中，那你可能错过了微软在人工智能领域布下的一局大棋。继风靡全球的年龄猜测工具之后，微软牛津计划（Project Oxford）在11月正式向开发者开放了一项更具想象力的技术：情绪识别API。这意味着，计算机不再仅仅能认出“你是谁”，它开始尝试理解“你现在感觉怎么样”

1。

一、技术现状：计算机如何从“看到”进化到“看懂”？

在2015年，人脸识别技术虽然已能替代密码，但依然面临严峻挑战：机器难以区分静态图片与实时影像，甚至偶尔会将人体部位误判为人脸。然而，随着机器学习、深度神经网络在今年的突破性进展，计算的复杂度和处理速度得到了质的飞跃。这正是情绪识别从实验室走向应用的基石。

二、牛津计划：开发者的“人工智能助推器”

微软牛津计划（Project Oxford）并非单一产品，而是一套旨在“让不懂人工智能的开发者也能拥有专家级能力”的REST API和SDK集合

2。该计划最早在2015年4月的Build大会上发布，由微软研究院主导，囊括了人脸识别、语音识别、计算机视觉以及语义理解（LUIS）等服务

2。

其核心逻辑简单而强大：开发者无需组建昂贵的机器学习团队，只需通过几行代码调用API，就能利用微软基于海量数据训练好的模型，构建出“能听会看”的智能应用。

三、核心功能拆解：情绪识别API能做什么？

识别维度

该工具目前可识别8种主流情绪状态：愤怒、蔑视、恐惧、厌恶、高兴、平静、难过以及惊讶。这些分类基于大多数人的面部表情定义，符合心理学领域的基本情绪模型

1。

技术门槛

据微软剑桥研究院院长克里斯·毕晓普（Chris Bishop）展示，开发者若想在自己的应用中集成情感感知功能，仅需使用牛津项目和Azure服务，用3行代码即可将智能技术注入应用，且自身无需具备机器学习专业知识。微软还将持续在后端改进模型，而开发者无需频繁更换代码。

应用场景设想

零售洞察：统计顾客对商店展品、电影预告片或新菜品的实时情绪反应，为市场营销人员提供数据支持。

交互增强：在即时通讯应用中，根据发送照片中的人物表情，自动推荐匹配的表情包或回复语。

人机交互：若智能手机感知到你疲惫或难过，是否能主动提议播放一首舒缓的音乐或建议打车回家？这正是微软所构想的“智能应用”未来。

四、权威声音与行业验证

学术界支撑：2015年发表于《IEEE Transactions on Pattern Analysis and Machine Intelligence》的一篇综述指出，自动情感分析已引起广泛兴趣，尽管光照变化、头部姿态、遮挡物（如墨镜）仍是主要挑战，但通过面部动作编码系统（FACS）和深度学习的结合，识别微妙表情的能力正大幅提升

4。

微软的投入：微软全球执行副总裁沈向洋博士在技术大会上强调，从Skype Translator的实时翻译到小冰的情感交互，微软在语音和视觉识别上的投入已有十余年历史，牛津计划正是将这些研究商业化的关键一步

2。

五、开发者决策指南：你该不该上车？

如果你正在考虑是否要在2016年的产品规划中加入“智能”元素，以下对比清单或许能帮到你：

维度 传统开发模式 使用牛津计划API

技术门槛 需组建机器学习团队，精通深度学习算法 普通开发人员，懂RESTful调用即可

数据需求 需海量标注数据集进行训练 基于微软已有模型，即拿即用

开发周期 从0到1耗时数月甚至数年 微软工程师曾2小时开发出原型应用

迭代成本 模型优化需自行维护，成本高 微软云端更新模型，开发者无感升级

风险控制 易出现如Google Photos误将黑人识别为“大猩猩”的伦理偏差

基于微软多年大数据与伦理准则训练

结论与适配建议

对于希望打造差异化体验的移动开发者、物联网创业者及企业IT部门，2015年底的微软情绪识别API提供了一个低成本的试水机会。它不仅能点亮你的想象力，更证明了开发一个智能应用其实并不难。尽管技术尚处测试阶段，但它无疑为2016年的人工智能应用爆发埋下了关键的伏笔。

在这个感知位置、时间、动态的时代，情绪感知或许正是你的应用与用户建立更深层次情感连接的那把钥匙。

关键词：牛津计划 情绪识别API 人脸识别 

本文为【广告】 文章出自：互联网,文中内容和观点不代表本网站立场，如有侵权，请您告知，我们将及时处理。