摘要：心理健康对军校学员的健康成长起着至关重要的作用，但学员心理危机日益凸显。为了防止和减少心理危机引起的现实危机，本文分析了当前军校心理危机预警的现状，对微表情识别技术进行了介绍。提出将微表情识别用于分析学员心理活动和真实情感，从而进行心理危机预警。
关键词：心理危机;预警;微表情
1 前言
随着社会的发展，目前军校的学员基本上都是伴随着网络成长起来的一代，在入军校以前，他们的生活都相对自由和开放，并且多数学员少有社会经历与军旅生涯的锤炼。但是由于军队的特殊性，军营生活相对封闭单调，学习任务繁重，体能训练强度较大。面对这样一个新的学习和生活环境，部分学员感觉压力增大，容易诱发各种心理危机。
军校学员是我军培养的未来初级军官，是未来我军军事力量的重要组成部分，他们需要有坚定的政治立场，过硬的军事素养，更需要良好的心理素质。因此，面对学员出现的各种心理危机，如果能提前预警，而后加以干预，就能防止或减少心理问题带来的更负面的极端行为：比如自杀。
心理危机预警是通过一定的技术手段和信息收集，在心理危机出现之前对危机进行预测，及时发现潜在的和现实的危机，以便进行及时的心理危机干预，采取应对措施，避免危机的发生，将心理危机的不良影响控制在最小范围内[1]。因此心理危机预警是强化军校学员心理素养，促进学员健康成长的重要手段。
2 当前军校学员心理危机预警现状
2.1 预警机制时效性不够
学员如果出现心理危机问题，时间是非常重要的因素，一分一秒之间得到的结果就完全不同，因此要非常注重时间的影响。虽然目前学院都有专门的心理问题调查体系和心理咨询部门。但是这些处理方式需要心理专业人员的支持和学员的主动上报，无法实现实时互动。人的心理也会随着年龄和经历不断发生转变，单纯依靠心理咨询和心理调查得到的静态化数据，缺少实时性，难以满足学员的心理发展需求。
2.2预警机制数据准确性不够
心理问题一般都是私人问题，多数学员不愿意参与到心理咨询活动中。因此在心理调查和咨询过程中，学员会有意无意的隐藏自己的真实想法和情绪，或者美化个人的状态，导致得到的数据不够准确和真实。从而使得心理危机预警机制自身作用无法得到充分发挥。
3 基于微表情识别的心理危机预警
3.1 微表情识别技术概述
人脸表情可分类为宏表情和微表情。宏表情是人在日常生活中表现出来的或伪装出来的表情，而微表情是一种自发式的表情，在人试图掩盖内在情绪时产生，既无法伪造也无法抑制[2]。不同于宏表情，微表情的幅度很小且持续时间很短，仅为 1/25 秒至 1/5 秒[3]。因此，仅凭肉眼识别微表情具有相当大的难度，可以借助计算机技术对微表情进行识别。
微表情识别任务是从一段人脸图像序列中检测出微表情，并对检测出的微表情进行分类。人类的面部表情有 7类基础表情。包括：生气、厌恶、恐惧、开心、悲伤、惊喜(惊讶)和中立。惊讶的微表情是眼皮必须上提，厌恶的微表情是鼻子向上提，愤怒的微表情是眉眼距离越来越近、视线高度集中，恐惧的微表情是眉眼有向上聚拢的趋势，悲伤的微表情是眉头上扬但整体保持下压，愉悦情绪的微表情是眼部眯起的程度和嘴角上扬的程度相匹配、相一致。
微表情识别技术可以基于情绪对微表情进行分类，在 7 类基础表情分类的基础上对表情进行细分，通过将单一的基础表情类别映射到二维空间，其横轴为情感的正负程度，纵轴为情感的激烈程度，可以细分得到更多的表情类别。
近年来，关于微表情识别技术方向的研究是学术界的热点问题之一。其中基于 LBP-TOP(Local Binary Pattern From Three Orthogonal Planes)的方法是其中的代表算法。随着人工智能的发展，最新的微表情识别方法将深度学习技术和微表情识别进行结合取得了一定的进展。
3.2 基于微表情识别的心理危机预警
微表情可能是判断一个人真实情感的最有利的线索。由于微表情是人类不能自主控制的微小的面部表情变化，且持续的时间非常短暂，微表情通常会暴露出最真实的情绪。如果正确识别了学员的微表情，就可以据此判断学员的情绪，从而判断学员当前处于哪一类情绪(生气、厌恶、恐惧、开心、悲伤、惊喜(惊讶)和中立)当中，当学员心理出现异常的时候，就可以进行提前预警。
相关知识推荐：心理学论文可以投学报吗
目前军校的学习和训练场合多配备了高清的录播视频，可以在不侵犯学员隐私的情况下，获得学员的实时视频数据。由于这些视频是在学员正常学习和训练过程中拍下的，记录的是学员最真实的状态，因此视频数据是准备和可靠的。
结合计算机视觉技术，检测和分析当前视频序列中学员的微表情，对学员的情绪进行分类。如学员在某个时间段出现大范围的情绪波动，或者长时间处于负面的情绪当中，就可以将该学员列为重点关注对象。对重点关注对象，就可以密切观察他的现实表现，通过专业的心理咨询师进行沟通辅导，以便及时发现其心理动态，对心理危机进行提前干预。
在实际应用中，要对学员的微表情进行正确识别，往往需要对一段长视频中的面部表情进行分析。第一先要先区别微表情和宏表情，因此要对视频序列中的人物微表情和宏表情进行检测。检测到的面部序列有可能含有一定的误差，要加以纠正，然后在纠正过的面部序列上，识别其中的情绪，并对情绪分类。而后对给定时间段内的已经分好类的情绪进行统计分析，判断此时间段内，此学员的情绪波动或是否一直处于负面情绪中。
由于在心理预警中，只需要关注长期处于负面情绪的人或者是情绪波动较大的人，因此在微表情识别的过程中就不需要对微表情进行细小分类和区别。可以将将所有情绪分为正面、负面和中性。快乐的情绪属于正面情绪，这种微表情相对比较容易诱发且特征明显;而诸如厌恶、悲伤、恐惧、愤怒等这些微表情虽然在他们之间区分相对困难，但是这与正面微表情特征差异明显;所以在识别上易于实现，这样的分类也能够更好地兼容不同的微表情数据库，在心理学上也能很好的被支持。
4 总结
心理危机预警是一项较为繁琐和复杂的工作，需要得到学员、学院、家庭的共同支持。微表情分析也是是目前极具前瞻性的研究领域。人的心理活动是一个非常复杂和变化的行为，将微表情分析用来作为心理危机预警从实用上还存在着一定的问题，比如微表情识别的准确度。如果要快速自动识别学习和训练中学员表情状态，注意力情况，输出表情结果，还需要进一步提高识别技术。——论文作者：严驰
