// 市场进入壁垒
情绪识别行业整体来说市场进入壁垒较高 。 模型的搭建优化、数据来源以及面对安防政企端的产品应用都意味着行业需要大量的前期投入与渠道铺设 。
文章图片
02
技术迭代：从单模态的情绪识别逐渐衍生到多模态融合识别策略
在单模态情绪识别领域 ， 单模态信息易受各种噪声的影响 ， 难以完整地反映情绪状态 。 高效的模态融合能极大地提高情绪识别系统的健壮性 。 利用不同类别的信号相互支持 ， 对互补信息进行融合处理 ， 能够有效地提高最终的识别效果 。 根据目前已有的研究 ， 模态融合的方式大致可分为 4 种 ， 分别是数据级融合 (传感层融合)、特征级融合、决策级融合、模型层融合 。
数据级融合 ， 又称传感器层融合 。 数据级融合是直接对各个传感器采集到的最原始的、没有经过特殊处理的数据进行组合 ， 从而构造一组新的数据 。
特征级融合是将多种模态数据经过提取、构建成相应的模态特征之后 ， 再拼接成一个集成各个模态特征的特征集 。
模型级融合可以将不同模态特征分别输入到不同模型结构再进行进一步特征提取 ， 目前的模型级融合主要采取的策略是通过构建深度网络模型 ， 建立多层结构 ， 逐层学习可以学习到更加复杂的变换 ， 从而可以拟合更加复杂的特征 ， 增加非线性表达能力 。
文章图片
03
初创公司
// 国内情绪识别行业初创公司现状（以书面注明拥有情绪识别的功能产品判断）
文章图片
主要数据来源以人脸和声音为主：采访了解到的12家公司中情感识别的算法是基于人的面部表情或行为进行识别（54%） ， 其次是对语言内容的理解和分析（38%） 。
应用场景以安防为主：目前主要的应用场景是在安防（54%）和智能客服（40%）两个方面落地最多 。 其中安防领域初创公司的以图像识别公司为主 ， 智能客服领域以NLP公司为主 。
国内情绪识别行业起步较晚集中在2014-2016年：晚于海外情绪识别算法约10年的时间 ， 国内情绪识别算法公司多成立于2014年之后 ， 也是由于2014年后我国人脸识别和NLP技术才开始在专业领域进行商业化落地如安防、楼宇、物管等 。
文章图片
/ / 初创公司初步分析对比
国内初创公司：市场刚刚起步开始进行大规模的应用铺开 ， 技术路径多为视觉分析
推荐阅读
- 汽车|现代汽车公布CES 2022参展主题：打造机器人和元宇宙全新移动出行体验
- 技术|山西：提升科技水平 打造高速公路出行“安全卫士”
- 控股|共同探索未来出行新方式 吉利控股与Waymo达成合作
- 技术|Create2021大会：百度Apollo交出成绩单，引领智能出行新体验
- 电子|科技助力出行
- 情感|没开玩笑！对湖水喊话，它真的会回应丨智言智语
- 情感|AI改变爱情与亲密关系？小冰CEO李笛：人对情感非常清楚，应有信心
- 运营|派电科技PAI SPACE亮相上海，引领智能出行新革命
- 智能服务机器人|科技助力出行
- IT|交通运输部：新能源城市公交车比例超66% 100余个城市开展绿色出行创建行动