基于大数据支撑的军事飞行学员情绪测量与评估浅析

田 伟 ，张 弘 ，周小勇 ，王春雷 ，巩立艳

（1.航空工业洪都，江西 南昌，330024；2.海军航空大学，山东 烟台，264001；3.原总装武器装备论证中心，北京，100020）

0 概述

军事飞行学员（飞行学员）的情绪和情感等心理品质，是影响飞行安全的重要因素[1]。面对三代机以上长航时、高机动、大载荷的机动飞行作战训练，飞行员所需具备的心理品质要求更高。良好的心理品质，是军事飞行学员 （飞行学员）日常训练的重要科目之一。本文综合运用认知科学、生理心理学等交叉学科理论和情感计算技术，探讨军事飞行学员情绪数据采集的方式、情绪识别的机理[2]、情感的表征[3]，分析实践应用场景，为飞行学员心理品质测量与识别评估提供参考借鉴。

1 研究的价值与意义

在军事飞行人才培养中，各级领导都要求做好飞行员的心理品质鉴定工作，甚至期望要像化验血型一样给测试出来，再根据不同情况进行调节、谈话、做思想工作，促进飞行员心理品质提升。可见，及早完成飞行学员的情绪监测、心理品质鉴定，并进行针对性的辅导培养和改善，是提升飞行训练效益和安全水平的重要举措，对飞行学员的选拔培养、对飞行员的作战训练，具有重大意义。

一是情绪和情感等心理品质，是飞行学员需要具备的重要能力素质之一，必须有针对性的加强训练培养。据飞行训练教官和专家长期跟踪和数据监测，歼击机飞行员普遍具备思维敏捷等特性，现代气质学上而言，是典型的胆汁质和多血质型。通过飞行学员的日常情绪测量和监测[4]，可实现对其气质类型进行初步分类，并在日常训练、心理辅导中有针对性进行加强和培养，是提升飞行人才质量的重要手段和途径。

二是飞行员的情绪和情感等心理品质，是影响飞行安全的重要因素，必须加强日常针对性的监测。据公开资料调查分析，目前航空飞行70%以上的事故，都是由于飞行员自身原因造成；而这70%的飞行事故中，75%以上是由于飞行员消极情绪所引起的麻痹大意、恐惧、过分紧张、反应迟钝等所导致[5]。可见，飞行员的情绪、情感心理品质，对飞行安全的重要性，对飞行学员更是要从起步阶段抓起。

三是飞行员的情绪和情感等心理品质，是影响飞行学员停飞的主要原因，必须加强日常针对性正向引导。据来自欧美国家、国内航空公司及军方的不完全统计，由于心理问题而导致停飞的飞行员，排到所有停飞人数的第二位（第一位是身体原因），可见飞行员的情绪、情感等心理品质，对保障飞行安全的重要性，必须加强日常针对性的正向引导[6]。

2 国内外研究现状分析

随着科学技术的发展，综合性的心理选拔系统逐渐增多并被广泛运用到飞行员心理测试、选拔和训练中。美国、德国、法国、瑞典等国均在分析飞行员综合素质的基础上，建立了适合各自飞行人员的素质评价系统。美国与欧洲还为此专门在飞行驾驶执照考核中，建立起了一系列飞行职业适应性标准，并以立法的形式做了严格规定。此外，德国宇航中心的计算机辅助测评系 统 （ComputerAssisted Test 4，CAT-4）、SCHU-HFRIED研发的维也纳测评系统（Vienna Test System，VTS）、计算机化飞行员能力倾向选拔测评系统 （Computerized Pilot Aptitude Screening System，COMPASS）以及CAE的空勤人员选拔系统（Air Crew Selection，ACS）等，都是系统集成化的、可用于飞行员心理素质测评的系统，除ACS不包含人格测评外，其他均包含智能与能力测评、心理运动能力测评与人格测评[7]。麻省理工学院Media Lab的Picard教授等人率先采用心电、血压、皮肤温度、脉搏、血容量、呼吸、肌电等多模信号，实现了对8种情绪的分类识别，从多模生理信号中提取了均值、方差、一阶二阶差分值等40余种特征，最终对愤怒、高兴、悲伤3类情绪分类达到80%以上的识别率，但8类情绪分类识别率仅有40.6%[8]。

国内针对飞行员的心理素质方面的研究主要聚焦于理论层面分析心理素质组成、量表测评实证分析心理素质两个方面。尽管航空心理学专家在长期的飞行员心理素质研究、选拔与实际工作中取得了一定的进展，但在当前心理素质测评中仍然存在一些不足，心理品质的测试层次比较低。一是在全面性方面，当前飞行员的心理素质评估，主要集中于保障飞行安全的认知品质能力评估方面，对影响飞行安全的人格特征、心理适应性等关注不够，心理素质方面的研究还主要集中于职业适应性与生理适应性，未能从适应角度出发，系统地、全面地进行指标体系构建，且缺乏飞行员适应品质方面的测评工具。二是在适应性方面，对心理素质人格特质方面的测评仍以自评量表为主，手段相对单一，且目前广泛使用的量表，主要从西方引进或修订，对国外量表依赖性比较高，量表编制背景具有浓重的西方文化观、价值观与宗教色彩，其文化跨度性是否适合中国，值得商榷。三是在评定效果方面，问卷或量表的表面效度通常较高，参试容易察觉其测验目的，进而伪装自己；对心理素质方面的测评以主观自评问卷或量表为主，存在主观性强的特点，缺乏科学的客观测量工具和客观评价方法。基于传统的方法，实现从根本上对飞行员的人格特质进行评估比较困难。

3 飞行学员情绪测量与识别技术路线

人工智能的主要发展方向，逐步从运算智能、感知智能、认知智能，过渡到情感智能。情感智能的基础，就是要实现人的情绪识别。人的情绪可分为基本情绪和复杂情绪。根据达尔文理论，美国心理学家Paul Ekman提出存在 6种基本情绪，即愤怒、厌恶、恐惧、高兴、悲伤和惊讶。复杂情绪由基本情绪构成，而且基本情绪在文化传统间的差异很小。情绪具有即时性，通俗理解，情绪的长时间表征，体现为对周边环境的情感。本文所探讨的情绪识别，主要是通过高清摄像机，人的面、颈部情感反射（VER）产生的细微肌肉振动频率F和幅度P，采用智能情绪识别算法计算出压力、攻击性和焦虑度等参数，准确性高，无法伪装；相对传统的基于生理现象识别情绪，不需要借助可穿戴式设备或专业设备，应用场景无需刻意准备，测试识别数据更具有真实性。将该手段应用到军事飞行学员培养领域，对其情绪特征的表征、心理健康与心理承受力表征和评价等问题，还有待构建起飞行学员日常无处不在的情绪数据采集体系和信息化生态环境，让情绪数据的采集、识别融入无形的日常训练中，提升数据采集的客观真实性。

3.1 传统的基于生理现象监测的情绪识别方法

研究表明，由于自主神经系统的活动，当人体处于某种情绪状态时，其内部会发生一系列的生理变化，任何一种情绪状态都可能伴随几种生理特征的变化，而生理特征变化是由自主神经系统和内分泌系统支配的，很少受人的主观控制，所以应用生理信号进行情绪分析具有客观性。生理信号根据其来源可以分为中枢神经系统信号与外周神经系统信号。常用的中枢神经系统信号主要指脑神经活动，其采集方法包括脑电、脑磁、功能磁共振等。外周神经系统信号的种类较多，主要包括心电、皮肤电、皮肤温度、呼吸、眼电和肌电等[9]；当人的心理状态发生变化时，这些生理信号也会发生改变。通过监测生理指标，如通过脑电、心电、皮肤电阻等生理信号的变化，提取并计算生理信号的相应特征，可以获取人体特定情绪唤醒水平的信息，进而识别出人员内在的情绪状态[10]。生理监测的信号示意图参见图1。

图1 生理监测信号示意图

生理信号是情感交互的物质基础，是心理状态的最直接体现，与心理状态的主观报告及行为评测方法相比，生理计算理论上可以得到更加客观、准确的评测结果。但在飞行学员培养应用领域，这些以生物电为特征的生理信号（如脑电、心电、皮电等），需要以接触的方式（如可穿戴设备），采集和监测其生理信号数据，并根据信号特征识别和分析个体的情绪状态；而更精确的精神心理检测系统（如测谎仪），需要通过精密的仪器设备测量人的脉搏、血压、皮肤电阻率等生理特征，对情绪状态的检测花费时间较长、单次成本费用较高，会严重限制到实际使用场景。

3.2 基于面部肌肉微震动的情绪识别

按照情绪能量模型理论，一个人的机械准平衡状态反映了一个人的精神状态。所谓一个人的机械准平衡状态，是一种站立或坐着自由状态，主要是由前庭器官系统的工作决定，其运动过程是无意识的。如果能够获得人的机械准平衡状态下的面部视频图像，通过其蕴含的机械震动点的频率和幅度，为处理一个人在机械准平衡状态下的安静、愤怒等情绪提供了可能，从而可以客观反映出他的情绪状态[11]。需要注意的是，该检测原理不同于前面提到的面部表情识别，也无法处理人的走路、手势等信息；但该检测主要采集神经系统引起的肌肉微振动的频率和幅度数据，进而检测识别人员的情绪，因此，其情绪检测的准确率要明显高于面部表情识别、姿态识别等方式。

在机械平衡状态下，头部特定区域的波动频率，可以表征一个人的心理生理状态。如果一个点在身体或面部肌肉的控制下运动，相邻点也会产生类似的运动，但频率和幅度都较低。从视觉上看，尽管在单色或单色图像上分配单个点存在困难，可采用类似于传统从电视系统有线扫描原理，逐行分析每一行的最大频率，从而获得所需的振动频率信息；也就是说，任何片段的最大频率很容易通过软件计算出来。生理振动情绪检测过程中，可以表示为身体点振动的振幅和/或频率的瞬时值矩阵。该矩阵的空间不规则性，可以由物体的不规则（非对称）运动或物体的光学不均匀性决定。通常，人脸可以被认为是相对对称的，而人脑的不对称性，决定了人格特征和行为影响。因此，在生理振动视频情绪检测时，需要对每一行的频率和幅度的左右值进行综合分析。

根据人体生理振动情绪检测原理，可通过标准化的视频图像系统，捕获人体生理振动图像数据，图像中的每个像素反映该点的频率或振幅，频率和振幅参数的组合反映了情绪和人的生理特征，通过数学参数和频率分布直方图计算差异，可以区分出细微的情绪变化。由于人体头部的微小振动与情感反射相联系，可以直接反映人的情绪状态。该技术利用标准数字、网络或电视摄像测量视频中的三维头颈运动，通过视频图像处理进行人体微运动或振动检测，来检测人的压力、焦虑、能量、心理平衡等情绪水平。

在人体生理振动视频情绪检测过程中，综合考虑个体点之间的光学对比度，以及光源强度、均匀性的影响，综合显示每一点上的位移的累积振幅，使图像与物体的实际颜色图像或热图像，具有微弱的相似性，所得的成像图像如图2、图3所示。

图2 人体生理振动图像

图3 光源对人体生理振动图像的影响

基于以上成像图像，对情绪特征进行关联分析，从而可以实现对情绪特征的检测；有关详细的关联检测方法，目前已有相对成熟的技术，限于篇幅和论文应用研究的定位，在这里不做深入讨论。

3.3 情绪特征的表征与计量

以当前在情绪识别领域的研究成果为例，对日常较为常见的10种复杂情绪进行表征，如表1所示。

表1 复杂情绪的特征表征值

对各种情绪特征的解释说明如下：

攻击性：以伤害某个想逃避此种伤害的个体为目的的任何形式的行为。

压力：是指环境或内部的需要超出了个体、社会系统或机体组织系统的适应能力。

焦虑：是个体受到威胁和处于危险情境中的一种情绪体验，高焦虑者会体验到强烈的不确定感和不可控制感，对环境中的威胁相关信息投入更多的注意资源。

可疑度：心理发展过程包含四个方面：图式、同化、顺应和平衡，同化与顺应交替发生，处于一种均势时，才能保证主体与客体的相互作用达到某种相对稳定状态，也就是达到某种暂时的平衡。人的心理发展过程，正是通过同化与顺应的相互作用达到暂时平衡，再由平衡发展为不平衡再发展到平衡的螺旋式的上升过程。

平衡：是指个体按照社会标准或自己的意愿、行为、情绪和认知活动等进行约束、管理的能力。

吸引力：是指目标人物的面孔所诱发的一种积极愉悦的情绪体验并驱使他人产生接近意愿的程度，具有均匀、对称、性别二态性明显等特征的面孔被认为是具有吸引力的。

能量：是指人的认知能力、心境状态、意志和行为上综合体现的一种正向积极的心理力量，是执行心理活动的能力，是一种度量心理活动的心理量。

自控力：个体按照社会标准或自己的意愿、行为、情绪和认知活动等进行约束、管理的能力。

抑郁：以显著而持久的心情低落为主要特征，并伴随活动兴趣的减退。

精神稳定性：体现的是情绪稳定性的差异，不稳定的人喜怒无常；遇到负性事件或压力性事件时，高神经质人格特质的个体会表现出增强的情绪反应并且体验到更多的负性情绪，如焦虑、抑郁、羞耻、尴尬或愧疚。

3.4 数据采集场景分析与建议

自然状态下的视频数据采集，是识别飞行学员情绪识别的基础，主要通过高清摄像头采集视频数据。飞行学员学习、训练、生活场景的可用视频数据量大，是名副其实的视频大数据，为基于视频大数据的情绪、情感检测提供了途径和可能。结合军事飞行院校的特点，建议重点在以下三处场景，采集其视频数据，可能对飞行学员的心理品质更能做出客观精准评估。

1.教室

目前院校大多在教室安装了监控摄像头，最初的目的主要是为了完成教学秩序的监控，随着情感计算、情绪识别技术的发展，在完成传统课堂签名和面部表情识别分析研判其课程学习的兴趣、积极性等基础上，可以进一步利用该视频数据对其进行情绪识别。

2.学员队

飞行学员在学员队经常性出入，行动频繁、数据丰富，采集此处的视频，更能反映出学员的日常心理品质状态，数据更为客观全面。

3.教练机座舱

目前，大部分军事飞行教练机座舱都安装了监控摄像头，用以对飞行学员的注意力分配、手眼协同操控能力等进行评估，甚至实现了视频数据的空地实时传输。利用该视频数据，可真实测量飞行学员飞行过程中的情绪特征，挖掘其飞行心理品质，甚至与飞行危险或孤僻动作进行关联分析，更能促进其飞行心理品质提升。一般而言，初级教练机飞行学员无需携带氧气面罩；对于高级教练机，在携带氧气面罩情况下，主要依靠其眉眼部及以上的视频，经过网上图片测试，尽管与不携带氧气面罩有一定的误差，但是遮挡后所采集数据呈规律性变化；若对同一人遮挡后的情绪指标进行监测，可以找出变化的规律，进行修正后，可作为判断情绪状态的依据，并可从情绪指标变化的增量，来监测飞行员飞行训练过程的情绪状态变化规律，具有比较实用的价值。

4 应用前景分析

情绪、情感心理品质的测量、识别、预测、针对性训练等，对飞行员培养非常重要，历来是飞行学员培养的重要环节，但也是理论突破、技术创新、集成应用的薄弱环节，造成目前飞行学员心理品质检测与训练工作，一定程度上存在应用层次、检测水平较低、心理品质训练针对性有待进一步提升的局限。基于面部肌肉微振动的情感计算技术，实现情绪、情感心理品质的标定、监测、预警等，可进一步应用于：

一是在飞行学员选拔阶段，对飞行学员的心理品质进行高效检测和分类，助力挑选心理品质适合飞行的优质学员；

二是在飞行学员培养训练阶段，基于学员心理品质特质，进行日常的情绪监测、预警，并有针对性的进行心理培训、疏导，提升学员心理品质水平，降低由于心理品质不过关而造成的飞行学员淘汰；

三是在飞行学员成飞后的作战训练阶段，可助力部队及时掌握飞行员的心理品质状态、及时干预心理品质风险，助力飞行安全管控能力提升。

由此可见，基于情感计算技术的情绪、情感心理品质测量与识别，对于飞行学员培养，无论是在源头上的选拔环节、还是在培养过程中的训练环节、乃至成飞后的作战训练环节，心理品质检测对飞行安全都十分重要且贯穿飞行员的飞行全周期。

5 结语

本文对飞行学员心理品质的作用价值与意义进行了分析，结合当前大数据、人工智能等最新技术的发展和交叉学科技术应用的落地推进，提出了基于面部视频大数据和AI深度学习算法测量面部肌肉微震动的技术路线，实现军事飞行学员情绪情感心理品质测量与识别评估的研究应用；并对数据采集场景进行了分析，为解决传统量表式心理品质测量与评估所存在的不足提供了新的思路借鉴，期望能够引起军事飞行人才培养全链条专家学者和管理人员的关注与重视。