使用OpenVINO工具套件洞察顧客心情

了解消費(fèi)者情緒是產(chǎn)品、服務(wù)等反饋流程中的重要一環(huán)。近年來，情緒分析（也稱為意見挖掘）已被證明是提供顧客反饋的有用工具。情緒分析就是對(duì)社交媒體語(yǔ)境中的文字和自然語(yǔ)言進(jìn)行分析和處理，其基本原理是根據(jù)某種形式的交流（如社交平臺(tái)或網(wǎng)站上的評(píng)論）來了解顧客對(duì)某一主題的看法。

情緒分析的一種演變是檢測(cè)顧客在貨架前看到產(chǎn)品時(shí)的心情。這種類型的情緒分析不僅可以統(tǒng)計(jì)顧客對(duì)產(chǎn)品的看法，而且還可以支持直接互動(dòng)—例如，如果顧客表現(xiàn)出對(duì)產(chǎn)品感興趣，就通知銷售人員。在本文中，我們將探討如何利用英特爾?OpenVINO?工具套件中的Shopper Mood應(yīng)用程序，根據(jù)顧客面部表情的視頻輸入，自動(dòng)推斷他們?cè)诳吹?a target="_blank">商品時(shí)的心情。

Shopper Mood的數(shù)據(jù)管道

(圖1)顯示了Shopper Mood應(yīng)用程序的數(shù)據(jù)管道。我們來更深入地了解一下這個(gè)深度學(xué)習(xí)應(yīng)用程序的工作流程。

圖1: Shopper Mood的推理管道圖展示了OpenVINO?工具套件的這個(gè)應(yīng)用程序如何處理捕獲的圖像，以識(shí)別在顧客臉上檢測(cè)到的心情。（資料來源：作者）

這個(gè)過程首先通過安裝在貨架上的攝像頭捕捉圖像，然后將該圖像傳遞到基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的兩個(gè)深層神經(jīng)網(wǎng)絡(luò)中的第一個(gè)。CNN是用于處理圖像的最流行深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)之一。它們由許多層組成，這些層在前端將圖像分成多個(gè)小窗口來處理，并在后端生成一個(gè)或多個(gè)分類分?jǐn)?shù)。第一個(gè)CNN決定是否能在捕獲的圖像中檢測(cè)到人臉。如果第一個(gè)網(wǎng)絡(luò)發(fā)現(xiàn)圖像中存在人臉的概率超過可配置的概率閾值，則每張臉都被歸類為“顧客”，并傳遞給第二個(gè)網(wǎng)絡(luò)。第二個(gè)網(wǎng)絡(luò)按以下五個(gè)類別對(duì)面部表情歸類：

如果CNN無法確定所檢測(cè)人臉的情緒（高于可配置的閾值），就會(huì)簡(jiǎn)單地將其標(biāo)記為“未知”。在(圖2)中，可以看到覆蓋在原始圖像上的處理結(jié)果。

圖2: Shopper Mood Monitor輸出屏幕顯示了Shopper Mood推理通道的結(jié)果示例，這些結(jié)果就疊加在所捕獲的原始圖像上（資料來源：英特爾）

從(圖2)可以看出，檢測(cè)圖像中人臉?biāo)璧臅r(shí)間是136ms，而情緒分析則需要13ms。這種快速處理使得此項(xiàng)分析可以實(shí)時(shí)執(zhí)行，并快速響應(yīng)，如通知銷售人員協(xié)助顧客。

該示例應(yīng)用程序還可以用于非實(shí)時(shí)統(tǒng)計(jì)，可以選擇通過消息隊(duì)列遙測(cè)傳輸（MQTT）協(xié)議將分析出的情緒結(jié)果發(fā)送到數(shù)據(jù)分析系統(tǒng)進(jìn)行累積和脫機(jī)分析。

為什么說這個(gè)工具很酷

使用英特爾?的OpenVINO?分發(fā)版和大約600行Go代碼，就可以實(shí)現(xiàn)十年前需要非常專業(yè)的硬件和軟件才能實(shí)現(xiàn)的面部表情檢測(cè)。很多復(fù)雜的工作內(nèi)嵌到了被預(yù)先訓(xùn)練用于面部和表情檢測(cè)的深度學(xué)習(xí)模型中。然后，通過“膠水代碼”來加載這些模型，并將捕獲的幀提供給模型進(jìn)行處理和分類。當(dāng)與功能強(qiáng)大的硬件（如基于第6th代英特爾?酷睿?處理器的硬件或由英特爾Movidius? X VPU驅(qū)動(dòng)的英特爾經(jīng)計(jì)算棒2）搭配使用時(shí)，可以獲得出色的推理速度，從而實(shí)現(xiàn)實(shí)時(shí)分析。

改寫示例應(yīng)用程序

面部表情的實(shí)時(shí)檢測(cè)有著廣泛應(yīng)用，有很多都是商業(yè)應(yīng)用。比如了解顧客的情緒，但是也可以用來幫助患有某種面部識(shí)別障礙的人。據(jù)估計(jì)，2%的普通人群患有發(fā)育性面容失認(rèn)癥。這種病癥會(huì)影響人們識(shí)別面部或面部表情的能力（表達(dá)性失認(rèn)癥）。Shopper Mood應(yīng)用程序可以識(shí)別患有發(fā)育性面容失認(rèn)癥的個(gè)體的面部和面部表情。

此外，還可以考慮將此技術(shù)應(yīng)用于增強(qiáng)虛擬現(xiàn)實(shí)。隨著越來越多的嵌入式設(shè)備開始支持深度學(xué)習(xí)，可能的增強(qiáng)虛擬現(xiàn)實(shí)用例也在不斷增加。例如，可以在眼鏡上集成攝像頭和實(shí)時(shí)面部檢測(cè)功能。在你戴著眼鏡時(shí)，如果有人從你身邊經(jīng)過，就會(huì)在眼鏡捕獲的圖像上呈現(xiàn)一個(gè)虛擬覆蓋層，描述這個(gè)人被推理出的面部表情。

這很容易讓人想到其他應(yīng)用。使用工具套件自帶的示例代碼，您只需要利用Shopper Mood應(yīng)用程序的輸出分類即可。

審核編輯：郭婷