审讯中嫌疑人情绪识别技术的应用与思考

蔡钦政

（中国人民公安大学，北京 100032）

一、情绪识别技术概述

审讯作为一门传统的技术，是侦查中极其重要的一环。上个世纪20 年代测谎技术在美国的诞生，标志着心理学作为一门自然科学与社会科学互通的交叉学科正式引入刑事司法领域，赋予原本主要依靠经验总结的审讯以科学的武器，也为审讯方法的结构化、技术化提供了无限可能[1]。然而在审讯中仅有测谎设备作为侦查人员成功获取嫌疑人供述的辅助工具是不够的，审讯不仅需要对嫌疑人所作供述进行真假判断，更需要对嫌疑人的情绪状态全面地了解掌握，审讯表面上看是舌战，实则更是心战。情绪识别技术从多个通道采集嫌疑人的生物信息，实现特定情绪的特征数据与内在情绪类型的有效映射，达到在审讯中识别嫌疑人情绪的目的，可以帮助侦查人员更有针对性地灵活转化讯问策略和讯问模式，把握嫌疑人情绪状态、找到审讯突破口。

情绪识别技术在大数据及人工智能飞速发展的时代背景下渐趋成熟，由传统的单模态发展成目前主流的多模态情绪识别技术，在准确率上有较大提高，但在审讯实践中发展比较缓慢。因此，本文旨在厘清审讯活动中情绪识别的概念、梳理审讯中情绪识别技术的原理、实现路径，帮助侦查人员更精准地分析把握嫌疑人情绪状态，推动审讯技术向智能化方向发展。

（一）相关概念诠释

近年来，情绪识别、情感计算等词汇常常出现在公众视野，在有关文献中也常与人脸识别、语音识别、多模态等技术交叉出现，容易产生诸多疑惑，诸如情绪和情感是否是同一概念的不同表述？情绪识别和情感计算之间存在怎样的技术逻辑？审讯中面向嫌疑人的情绪识别又具有怎样的特殊性？因此，有必要对相关的概念做出解释，并在此基础之上给出情绪识别在审讯场景中的特定内涵。

1.情绪与情感

情绪是指能够反映人对客观事物态度的主观体验和相应的行为反应，具象化的情绪是指包含语音语言、生理信号、肢体动作、神经机制的互相协调的一组反应。情绪心理学的相关研究表明，情绪是人在特定情境中的一种短暂而强烈的情感反应，通常表现为“快乐、悲伤、愤怒、厌恶、惊讶和恐惧”等瞬时反应；而情感则是一个笼统的概念，有时包括情绪、感觉、心情，有时特指情绪，是经过长时间积累的，具有深沉体验的感情状态，表现为对特定事物稳定、持久的心理倾向，如幸福、仇恨、喜爱、厌恶等。在大多数情况下，情绪和情感的概念可以通用。

2.情绪识别与情感计算

情绪识别意指通过生理信号的获取、情绪特征的提取和分类来识别研究对象的情绪状态。其最终的技术落脚点在于对研究对象情绪状态的识别与分类，研究范畴包括情绪发生机制的研究、生理信号的收集、情绪模型构建等。情感计算是由美国麻省理工学院罗莎琳德·皮卡德教授于1997 年正式提出跨学科研究概念，意指“与情绪或其他情感现象有关的、产生或有意影响情绪或其他情感现象的计算”，涉及计算机科学、心理学、认知科学、脑科学等多个学科，旨在研究和开发能够识别、解释、处理和模拟人类情感的理论、方法和系统，最终的技术落脚点在于对人类施加影响，就研究范畴而言，情感计算包括情感发生机制的研究、生理信号的获取、情感建模分析、情感理解、情感表达等方面，所以说情感计算是一个较为宽泛的概念，它包括任何与个人情绪、情感状态相关的计算机程序，从这个意义上来讲，情绪识别是情感计算的有机组成部分。

（二）审讯中情绪识别的内涵

审讯中的情绪识别是指利用智能感知设备对犯罪嫌疑人的面部表情、语音语言、生理信号和肢体动作等生物信息进行采集分析，识别其对应的恐惧、悲伤等情绪状态，针对性地实施审讯方法与策略，确保审讯顺利进行。

审讯中，犯罪嫌疑人在畏罪、悲观、抵触的复杂拒供心理作用下，往往会频繁地呈现情绪波动。在初犯第一次进入审讯室时，审讯流程的陌生、与世隔绝的闭塞环境、侦查人员手中的案件情况、过度估量的刑罚等因素会促使嫌疑人表现出强烈的恐惧情绪，爆发出极强的求生欲望。在这种情绪作用下，嫌疑人往往会矢口否认自己的罪行，或者避重就轻地交代部分犯罪事实，伴随前言不搭后语、逻辑混乱、面目失色等现象。在这种情况下，侦查人员通过情绪识别技术分析犯罪嫌疑人的表情、眼动数据、话语内容，掌握到犯罪嫌疑人的恐惧心理，就可以有意识地提防嫌疑人的拒供、谎供行为，捕捉嫌疑人话语中存在的问题；并且可以通过建立相容关系以降低嫌疑人的罪责感，消解恐惧心理，化解审讯双方之间的对立情绪，推动审讯继续进行。因此，情绪识别技术在准确识别犯罪嫌疑人情绪状态的基础之上，对于审讯进程的推动、嫌疑人情绪的调解控制、审讯突破口的选择上有重要战略意义。

二、审讯中情绪识别的科学依据与技术原理

（一）审讯中情绪识别的科学依据

1.两种情绪分类模型

对情绪进行识别、分类是情绪识别技术的必要环节，因为只有在明确的情绪分类基础之上，情绪识别技术才能在计算分析嫌疑人生物信息后给出特定的情绪相关信息。但由于情绪是一个异常复杂的心理学概念，具有非常高的复杂性和抽象性，导致目前诸多学者在进行情感计算、情绪识别相关研究时不能达成统一的情绪分类标准，目前主要有离散情绪模型和维度情绪模型两种。

离散情绪模型源于达尔文的进化论，该理论认为情绪是由几种相对独立的基本情绪，及在此基础上形成的多种复合情绪构成的，其中具有代表性的研究是Ekman 的情绪分类学说，他通过分析人类的面部表情将人类的情绪划分为快乐、悲伤、愤怒、厌恶、惊讶和恐惧6 种。这种离散情绪分类方法使用形容词标签作为情绪的表征方式，相对比较简单并且容易理解。维度情绪模型的观点认为情绪并不是相互分离、独立的实体，而是连续变量，应该采用二维（愉悦维—唤醒维）或三维（愉悦维—唤醒维—支配维）连续空间来描述，这种情绪模型使用维度空间中的坐标点来表征情绪，具有无限的情绪表征能力。

但就审讯环境而言，离散情绪模型更加适合作为审讯中情绪识别技术的情绪分类模型基础。一是，离散情绪模型的情绪表征方式简洁易懂，更方便侦查人员于审讯室中的日常使用；二是，离散情绪识别更适合对犯罪嫌疑人特定的情绪类别进行检测和识别，因为审讯中情绪识别技术的主要目标是识别出影响犯罪嫌疑人重大供述决定、心态转变的关键情绪，帮助侦查人员采取下一步审讯策略和方法，例如，当审讯中情绪识别技术检测出嫌疑人处在悲伤情绪中，侦查人员就要做好嫌疑人消极配合审讯的准备，适当为嫌疑人减压。因此，尽管维度情绪模型具有无限的情绪表征能力，但是其各个维度之间存在相关性，空间坐标点对应到情绪的转换困难，侦查人员难以获得一个直观的嫌疑人情绪描述，因此在审讯环境中很难得到发挥。所以就目前而言，离散情绪模型更加适合审讯中对嫌疑人的情绪自动识别[2]。

2.情绪识别的生物学基础

与其他人工智能技术相比，情绪识别技术具有鲜明的生物学基础，即生物演化的过程使得人类的内在情绪状态与外在情绪表现之间存在相对稳定的关联。达尔文认为，像快乐、悲伤、愤怒、厌恶、惊讶、恐惧这6 种基本情绪都有着相对固定的情绪表达，Ekman 同样认为，自然演化使得作为生物意义的人，既拥有某些基本情绪，同样也拥有对这些情绪跨文化的情绪表达。换言之，犯罪嫌疑人在日常生活中和审讯中拥有基本相同的情绪表达模式，快乐时会咧嘴大笑，愤怒时会生气大吼，并且内在情绪状态和外在情绪表现之间的对应关系是基本固定的，很少会出现内心情绪状态与外在情绪表现不一致的情况。这种固定性、稳态性决定了侦查员可以使用情绪识别技术来识别犯罪嫌疑人的情绪类别。

3.情绪识别的数据科学基础

传统的情绪识别方法主要包括自我报告法、行为分析法等。近年来，随着计算机科学和智能装备的飞速发展，以人工智能为代表的新兴智能感知技术赋予了情绪识别研究新的价值内涵，强调多模态数据驱动的审讯中嫌疑人情绪状态的智能感知与融合，推动审讯中嫌疑人情绪识别研究朝着数据化、智能化、半自动化的方向发展。因此，审讯中情绪识别研究的关键在于通过对审讯中犯罪嫌疑人生物信息的测量，发现其情绪状态。审讯中嫌疑人的生物信息大致可以分为内在生理信号和个体外显行为。前者偏向于利用皮肤电、脑电、呼吸、心率等生理信号数据分析嫌疑人的生理指标变化情况，以挖掘其潜在的情绪信息，实现基于内在生理信号的智能化情绪识别；后者主要包括面部表情、肢体动作、语音语言等，偏向于利用表情识别、计算机视觉、语音识别、自然语言处理等技术构建面向真实审讯场景的生物信息感知通道，对嫌疑人的表情、动作、语音语言等外显行为数据进行采集，并用多模态数据融合的方式分析嫌疑人的情绪状态。

（二）审讯中嫌疑人情绪识别的技术原理

在审讯中识别犯罪嫌疑人的情绪类别属于模式识别问题，模式识别问题又分为有监督和无监督两种，如果在采集犯罪嫌疑人生物信息的同时可以获得每段生物信息对应的情绪类别，就属于有监督的模式识别问题；如果无法获取生物信息对应的情绪类别，也无法得到情绪类别已知的生物信息样本，则属于无监督模式识别问题，它的功能是找到数据的底层或隐藏结构。如果希望算法能够根据嫌疑人的生物信息识别出特定的几个情绪类别，还是需要使用监督分类算法，如随机森林、决策树、支持向量机等，以监督分类算法为核心的嫌疑人情绪识别技术原理如下。

首先，审讯中情绪识别技术人需要借助多模态智能感知设备获取犯罪嫌疑人的原始生物信息，如面部表情、语音语言、自发生理信号、肢体动作等，同时标记好每条生物信息所对应的情绪类别。在收集嫌疑人生物信息的过程中，往往会出现大量干扰数据以及异常信号片段，所以需要对嫌疑人的原始生物信息进行数据预处理，俗称降噪处理，或者数据清洗，预处理后的嫌疑人生物信息将极大提高情绪识别模型分类的准确性。其次，需要根据不同生物信息的特点，有针对性地提取出多个特征，例如生理信号中的时域特征、频域特征，面部表情中的几何特征、纹理特征等，再从中选取出有利于识别情绪的特征。最后，审讯中情绪识别所需的输入数据已经全部获得，借助摄像头、麦克风、皮电传感器等智能感知设备捕获的嫌疑人面部表情、语音、皮电等生物信息，经过数据预处理、特征的提取和选择后将作为输入数据导入分类算法模型中。

接下来需要选择适当的分类器算法，对上述经过处理的嫌疑人的生物信息进行分类器训练，常见的监督分类算法有随机森林、决策树、支持向量机等。当足够多的数据作为训练集、测试集交给分类算法学习后，人工智能可以总结规律，计算出关键的模型参数，构建出特定情绪的识别模型。在此基础上，当有新的生物信息进入情绪识别系统中时，系统可以根据情绪识别模型计算出该生物信息对应的可能性最大的情绪类型，因此，从本质上讲，情绪识别是一种情绪表达的分类算法。

三、审讯中情绪识别的实现路径与应用观察

（一）审讯中嫌疑人情绪识别的实现路径

审讯中犯罪嫌疑人情绪识别技术融合了面部表情识别、语音识别、肢体动作识别、自发生理信号识别等多个模态的智能感知技术，构建具有自动识别犯罪嫌疑人情绪类别的智能审讯系统。在智能审讯过程中，侦查人员与犯罪嫌疑人以面谈的方式，全程连续地对嫌疑人的情绪波动展开记录和分析，并将异常的情绪节点实时反馈给侦查人员，侦查人员及时调整审讯思路，更快突破嫌疑人口供。具体实现步骤包括以下三步：

1.根据审讯策略实施有效刺激

犯罪嫌疑人在审讯室内会受到各种各样的刺激，在这里大致分为三类，第一类是审讯室环境，包括封闭性、温度、光线、审讯椅、气味等；第二类是嫌疑人自身状态，包括是否饥渴，是否受伤，是否内急等；第三类是来自侦查人员，包括侦查人员的提问、抛出的证据、适当的停顿等等，刺激源来自四面八方。因此，为了确保系统识别到的情绪波动是由侦查人员刺激产生的，需要排除其他刺激的产生，尽可能让嫌疑人保持松弛的状态，在这种情况下根据审讯策略对犯罪嫌疑人展开讯问，嫌疑人的情绪波动很大概率是受到侦查人员刺激后大脑认知加工所产生的。

2.收集嫌疑人生物信息

这一步需要借助感知智能设备全程、实时捕捉犯罪嫌疑人的自发生理信号、肢体动作、面部表情和语音语言等生物信息，这些生物信息的采集可以借助远程的非接触式传感设备实现，例如摄像机、话筒等，也可以借助接触式设备实现，如皮电传感器、血压仪等。

3.根据嫌疑人情绪变化实施情绪干预与控制

在审讯中运用情绪识别的最终目的是帮助侦查人员捕捉犯罪嫌疑人在审讯过程中的细微情绪变化，然后针对其情绪变化找到审讯突破口、调整审讯策略与方法，促使其供述。

（二）审讯中情绪识别技术的应用观察

多通道、多模态目前已经成为多个学科领域的热点研究话题，其中在情绪识别研究中，多通道、多模态就源自人体生物信息的多样性，不同的生物信息对应着不同的研究视角、研究渠道，在情绪识别领域的功能发挥也各有优劣。目前，各种生物信息对应的感知智能装备业已发展成熟，为情绪识别这项智能技术进入审讯领域提供了莫大的助力，但是必然存在“水土不服”的情况，各个模态的情绪识别技术想要顺利嵌入审讯环境仍然面临着诸多问题。

1.人脸情绪识别技术

日常生活交往中，人脸的表情可以直接看作情绪的代理变量，因此在一般环境下，人脸的面部表情相比于其他生物信息在数据获取和结果预测方面有更高的可得性，但是在审讯环境下，嫌疑人为了躲避侦查人员正义的凝视，担心侦查人员从自己脸上看出案件的蛛丝马迹，往往会下意识地控制脸部肌肉，克制自然表情的呈现，表现出微表情，甚至是虚假表情，出现知人知面不知心的情况。在这种情境下，感知智能设备相比人类更能精准地捕捉人脸的肌肉运动变化和几何特征。深圳太古计算机系统有限公司研发的AI情绪情感识别系统可以在审讯场景下结合视频图像信息，建立量化情绪模型，利用表情自动识别技术实现情绪的监控分析，但是想要达到理想的情况，对于嫌疑人的姿态以及审讯室环境都有一定要求，嫌疑人最好是要目视前方，不能摇头晃脑；审讯室需要光线均匀，嫌疑人面部不能呈现阴阳脸的光线状态等，而在实际情况中，侦查人员无法保证嫌疑人始终正襟危坐，提供理想中的面部信息。理想中的情况是，既需要稳定的捕捉嫌疑人面部表情，又需要感知设备本身是非接触式的，尽可能降低对嫌疑人本身的影响，这对于智能感知设备的功能、性能，甚至是设备本身的形态提出了很大的挑战。

2.语音情绪识别技术

言语作为一种社会符号，是人们日常交流的重要途径之一，想要通过言语分析识别嫌疑人的情绪通常有两种方式，一种是语言学分析的方式分析嫌疑人的言语内容，另一种是副语言学分析的方式，从言语内容以外的信息，例如从音调、响度、停顿等信息入手。但是相比人脸情绪识别技术，语音情绪识别技术想要在审讯室环境中生效的条件更为苛刻，例如，为了获得保质保量的语音数据，语音采集设备不能离嫌疑人过远，同时需要声音的收录具有持续性；同一时间内只能收录一种声音，因为在实际审讯环境中，侦查人员与嫌疑人双方之间的对话模式并不是严格的一问一答，如果出现双方声音重叠的情况，目前该项技术很难像人类一样具有听力选择能力，只专注于一种声音的同时摒弃其他噪声，即鸡尾酒会效应，因此想要在审讯中充分发挥语音情绪识别技术的实力，条件较为苛刻，目前就语音语言通道而言，侦查人员身为自然人所独有的信息加工方式相比人工智能在审讯室内有更加亮眼的表现。

3.生理信号情绪识别技术

顾名思义，生理信号情绪识别技术主要通过处理脑电、心电、心率、呼吸、脉搏等生理信号来识别嫌疑人的情绪状态，相比于其他情绪识别技术，其最大的特点就是生理信号客观还原，不易掩饰，侦查人员可以获得最为真实的嫌疑人生理数据信息，但需要注意的是，在审讯室内犯罪嫌疑人产生的生理信号只是自主神经系统活动兴奋的结果，而导致其产生的原因则来自方方面面，可以是审讯室的环境条件，可以是嫌疑人自身生理状态，也可以是来自侦查人员各类案件信息的外界刺激，换句话说，采集固定得到的生理信号数据存在非特异性的特点，各类因素对嫌疑人的刺激都在生理信号数据中得到体现，因此通过生理信号识别分析的结果需要在具体的审讯情景下，结合其他情绪识别技术共同发挥作用。

4.肢体动作情绪识别技术

在一线审讯工作中，有经验的侦查人员除了会观察嫌疑人的面部表情、语音语言等信息外，肢体语言同样是他们关注的焦点，美国行为学家莫里斯提出“距离大脑越远，肢体的伪装度越低”的观点，这意味着在高压的审讯室环境内，嫌疑人有限的认知资源将被负面情绪以及拒供心理挤占，无暇调配多余的认知资源去约束肢体的运动，因而从人体的四肢以及头部可以观察到嫌疑人内心真实的情绪。目前该项技术的难点在于肢体动作情绪特征的提取，研究各个关节之间的角度、距离、速度、加速度，手与头、肩的相对位置关系等肢体动作情绪特征与特定情绪之间的对应关系，目前主流研究的视角主要集中在一般环境下全身及上身的运动分析，而在审讯室中，嫌疑人一般被束缚在审讯椅上，手脚被控制，这意味着审讯中需要提取的情绪特征只存在于局部肢体上，例如头部、肩、双手双脚等，数量少于一般环境下的肢体动作研究。尽管已经有学者专门从审讯的角度研究嫌疑人虚假供述时的肢体语言[3]，但目前只是停留在规律发现和经验总结的阶段，距离肢体动作情绪识别技术真正在审讯环境下落地还需要更多的努力。

四、审讯中情绪识别的多维挑战

除了上述提到的不同模态情绪识别技术嵌入审讯环境时出现的痛点问题，在审讯与情绪识别技术结合的过程中还存在共性的挑战，其中包括审讯中情绪识别的技术瓶颈和该项技术引发的法律问题。

（一）审讯中情绪识别技术的技术瓶颈

1.生物信息库的选择

上文中所提到用于构建情绪识别模型的人工智能算法需要有大数量、高质量的生物信息作为人工智能学习的对象，才能输出可信可靠的答案。如何选取生物信息才能保证输出的答案能贴合审讯实际，符合审讯实战的需要？答案肯定是从审讯中来，到审讯中去。从真实审讯场景中获取的生物信息用于算法的学习训练，结果肯定是最贴合实际情况的。但是目前市面上公开的生物信息库都是在实验室环境下收集得到的，主要面对一般情况下的情绪识别需求，是否适用于审讯环境还不得而知，就拿肢体动作情绪识别技术而言，目前该项技术主要处理全身及上身运动，而审讯环境下对该项技术的功能需求是在双手双脚被固定的情况下对嫌疑人全身的坐姿肢体运动分析，很明显存在适用范围上的区别，因此，构架专业审讯环境下的嫌疑人生物信息库能较好地解决该问题。而对于专业生物信息库的构建也大致存在三种方式，第一种是从真实审讯场景中获得，第二种源于网络视频，第三种是根据剧本表演获得的表演数据集，第一种虽然获得的生物信息真实可靠，但是获取成本大、难度高；第二种获得的生物信息质量层次不齐，并且可获取的生物信息种类有限；第三种不是真实的情绪流露，和实用级别的生物信息库尚有距离。总之，生物信息库是情绪识别技术发芽成材所必需的土壤，实践中还需要更多高质量、非表演、真实审讯场景下的优秀生物信息来推动该项技术的发展。

2.情绪类别的标注

从真实审讯场景中获取嫌疑人的生物信息，用作专门的嫌疑人情绪识别技术研究，对于该项技术以及未来审讯技术的发展大有裨益。但是这就意味着放弃现有的一般情绪数据库中的生物信息以及对应的情绪标签，需要对审讯环境下收集的生物信息重新进行情绪标注，而最开始的标注工作往往是纯人工手动标注，这是件相当费时费力且棘手的问题，因为区别于一般实验室环境下诱发出来的靶向情绪，实际审讯环境中嫌疑人的真实情绪很难获得，无法期望嫌疑人在审讯过程中实时汇报自己的情绪状态，把情绪标注这项工作交给侦查人员的话，增加工作负担的同时情绪类别标注的正确率无法保证，这需要侦查人员丰富的审讯经验，具有相当的问话技巧，对嫌疑人应对外界刺激后的情绪波动有大致的预判，交给第三方研究人员的话，更难设身处地地感受嫌疑人的情绪波动，因此审讯中嫌疑人的情绪类别标注一直是一个难题。

3.个体偏差性的干扰

个体的偏差性是情绪识别模型构建过程中必然会碰见的问题，因为不同嫌疑人个体面对同一刺激时触发的生物信息必然不尽相同，直接体现为不同生物信息数据的分布差异，无法满足情绪识别模型所需的样本独立同分布条件，因此如何针对不同生物信息提取合适的特征与情绪类型产生对应关系，构建具有泛化能力的跨个体情绪识别模型成为该项技术的核心与关键。

4.整合能力的差距

截至目前，在刑事司法领域，人类的主导地位尚未被人工智能所撼动，情绪识别技术作为新兴的审讯技术目前也只可能作为侦查人员辅助讯问的工具，其中一方面原因是目前侦查人员拥有人工智能难以企及的整合能力。尽管目前已经有相当多的研究实现了多个模态融合的情绪识别技术，其准确率也显著高于单模态情绪识别，但是仍然面临着许多问题：以数据级融合的整合方式直接以数据最原始的状态进行操作，处理过程极为复杂繁琐；以特征级融合的整合方式会面临特征维数与模型性能的抉择问题，同时容易忽略不同模态之间情绪特征的差异性等等。而人类则具备与生俱来的多通道整合能力，能够在单一面孔情绪识别的同时结合肢体动作、情绪性声音、特定气味等其他通道综合进行判断[4]，尽管侦查人员很难从自身角度阐述清楚这一过程而只是将其归功于直觉或是经验，但是所谓直觉的背后实际是人类认知加工方式和神经基础共同作用的结果。

（二）审讯中情绪识别技术的法律问题

嫌疑人隐私权于情绪识别技术干预下的处境。在审讯中，情绪识别技术的功能导向是在识别犯罪嫌疑人生物信息的基础上进一步推断其内在情绪，帮助侦查人员更好地把握嫌疑人的情绪状态，实时针对性地调整讯问策略，而在这过程中不可避免地会侵害嫌疑人的隐私权。在情绪识别过程中搜集的生物信息是与犯罪嫌疑人个体身份直接关联的，由生物信息计算出来的情绪状态也是与嫌疑人个体身份直接关联的，这两类信息属于我国现行法律规范中的“个人信息”，因此情绪识别技术在搜集处理一般个体的生物信息和情感信息时会和个人信息保护的法律法规直接产生冲突。但在刑事诉讼中，国家为了查明犯罪事实，惩罚犯罪分子，维护社会安全秩序，具备对嫌疑人隐私权进行干预的正当理由；并且目前国家成文法体系下对于刑事诉讼中隐私权的内涵与外延都没有明确的界定，甚至《中华人民共和国宪法》都未将隐私权确定为一项独立的权利[5]，这说明按照我国现有法律的框架，在审讯中情绪识别技术对于嫌疑人隐私权的侵害缺乏法律的保障。

情绪识别技术作为先进的科学技术直接运用在审讯实践中，对刑事诉讼中的公民隐私权又提出了新的挑战，一方面隐私权的界定更加困难，因为在信息科技时代公民人身信息、空间信息、通讯信息的外延和内涵都有了新的内容[6]，究竟是个人隐私还是公共信息更加模糊难分，而对于隐私权的清晰界定是判断国家是否侵犯公民隐私权的前提。更重要的是情绪识别技术综合了诸多科技手段，人脸情绪识别、语音情绪识别等等，这意味着侦查人员获取嫌疑人信息的途径和能力随着科学技术的发展呈现爆炸式增长，公民对于自身隐私权的保护难度越来越大，因此如何与时俱进的兼顾打击犯罪和保护公民权利成为很大难题[7]。

同时，情绪识别技术作为审讯中侦查人员可以采取的一种审讯技术，是帮助侦查人员获得证据、发现线索的前提和条件，充当的是工具性的角色，因此，借由情绪识别技术在审讯中获得的证据属于“运用大数据技术分析收集的证据”[8]，仍然属于物证、书证、证人证言中的一种，并未对传统的证据规则产生冲击。但是“运用大数据技术分析收集的证据”适用的核心问题就是因为证据获取方式不合法而导致证据不可采，因此，和其他审讯策略手段一样，情绪识别技术的使用同样要受到法律的约束，在适用情绪识别技术之前检查此举是否符合比例原则，是否超出必要的限度，是否与社会危害性相匹配等，还需要借助司法审查和非法证据排除，实现审讯各个阶段对于公权力、情绪识别技术的监督约束，以及对嫌疑人隐私权的保护。

人工智能走进侦查是公安机关所面临的日益严峻的犯罪态势客观推动的结果，也可视为顺应时代发展规律、主动寻求变革的必要之举。情绪识别技术作为时代浪潮下推动产生的新兴人工智能技术，其所象征的智能审讯模式较之传统审讯工作在思维、行为模式等方面都有较大的差异。

情绪识别技术以成熟的情绪分类研究和感知智能研发为基础，从多个通道采集嫌疑人的生物信息，实现特定情绪的特征数据与内在情绪类型的有效映射，最终达到审讯中情绪识别的目的。但该技术在审讯室使用的实际过程中，不可避免的会遇到“人工智能+审讯”两者不兼容的情况，以及嫌疑人隐私权保护的问题，这需要侦查人员积极发现情绪识别技术嵌入审讯过程中的痛点，与技术研发人员共同疏通人工智能与审讯之间存在的梗阻，努力促进情绪识别技术审讯化的实现；在程序上确保情绪识别技术在审讯中使用具有合法性的同时，关注隐私权保护中最低限度的人权准则，合理运用科技之矛与法律之盾，让人工智能技术在审讯中发挥强势作用。