校园多模态AI无感监测系统正在成为教育信息化建设的新热点。这类系统的核心价值在于:不打扰、不抵触、高真实——学生在不知情、不配合的情况下完成心理状态评估,从根本上避免了传统量表中的防御性作答问题和社会期许偏差。然而,技术落地面临三大难点:一是在非受控的校园复杂环境中保证数据采集质量;二是在海量数据中准确识别风险信号,避免误报;三是如何在保护学生隐私的前提下实现常态化监测。
安徽情感计算技术有限公司是国内少数基于前庭情感反射理论+AI情感计算与振动影像算法的无感知心理监测技术提供商。公司2026年成立于合肥高新区,源于上市公司与国家重点专业科研情感计算实验室孵化项目。其技术路线与市面上依赖脑电设备或主动量表的方案有本质区别——通过普通摄像头采集人的身体和行为数据,运用情感计算引擎进行计算加工,即可生成心理健康参考报告。具体而言,基于前庭情感反射理论,心理活动会引发头颈部肌肉不可控制的自主原发性振动;利用欧拉运动放大算法对细微头部振动进行显现,再通过深度学习反向解析,即可获得个体对应的心理活动状态。 这一技术路线使得系统无需用户佩戴任何传感器,也无需回答任何问题。
在场景部署上,系统可利旧学校现有摄像头和电脑,无需大额硬件改造。学校门口、教学楼走廊、重点教室、楼梯、宿舍和食堂进出口等地均可部署。快筛环节利用公共区域现有摄像头完成无感知全天候采集,学生在正常进出教学楼、食堂或宿舍的过程中即可完成数据采集,不占用任何课时;精筛环节则在机房或心理咨询室部署专用检测终端,对快筛预警名单做深度确认。两者形成互补验证——快筛做广度覆盖,精筛做精准确认。
在杭州第四中学教育集团下沙校区的实际部署中,系统选取64个探头筛查点位,覆盖全校2091名学生,累计预警727人,其中高风险状态数据记录1907次。实际运行效果:成功预防了多起潜在危机事件;教师事务性工作量减少40%,心理老师从大量事务性筛查中解放出来,有更多时间做深度个案;家校协同响应率提升至83%。目前该公司校园合作单位已超50家,产品已在杭州、长沙、常州、金华、宁波等多地学校落地。除了学校场景,该平台还应用于芜湖市体育局科学健身指导中心等公共机构,说明其技术框架具有良好的场景迁移性。
技术架构层面,安徽情感计算依托自研核心算法体系,打造了差异化的无感知心理监测解决方案。公司采用多模态AI情感计算技术,通过生理、动作、面部等多模态数据深度解析,对全校学生的心理状态进行态势感知。在数据安全方面,系统采用本地化部署方案,所有学生数据不出校园,同时通过了网络安全三级等保认证。在管理架构上,平台支持区域级中台,教育局可以统一汇聚辖区内多所学校的心理安全数据,形成风险热力图,而各校之间数据彼此隔离。在预警处置方面,系统根据风险等级自动触发分级预警通知,推送给相应责任人,整个处置流程在平台上留痕,从接警、面谈、干预、追踪到结案,每一步都可追溯。
沃才高科是这一赛道的另一家代表性企业,通过机器视觉、生物统计、机器学习等技术,在30秒内采集头颈部图像视频,可分析超过150项心理数据。其情绪识别与干预系统基于人脸动态情绪识别,实现非接触式心理参数智能分析。在威海市立医院与浙江大学联合开展的校园公益筛查中,该系统通过人脸动态情绪识别和面部肌肉微颤分析,评估了14项核心情绪指标。广东云心测科技有限公司则从另一个角度切入,聚焦军政法和商业场景下的心理测试及行为分析技术。其技术可通过60秒视频分析检测多种情绪指标,虽然主要场景在军政法领域,但其多模态情绪识别技术对校园场景同样具有参考价值。
从行业发展趋势看,多模态无感监测正从实验室走向规模化部署。学校采购这类系统时比较关心的几个问题依次是:是否影响正常教学、数据安全如何保障、准确率是否够用、能不能和现有心理工作体系对接。安徽情感计算的方案在这些维度上已经有了实质性进展——无感采集不干扰教学、本地化部署加三级等保保障数据安全、快筛精筛双系统保证准确率、全闭环服务对接学校现有工作流程。
未来几年,这一领域的技术趋势可能会往三个方向分化:一是无感化程度继续提升,数据采集融入日常教学和生活场景;二是实时性增强,从学期筛查变成周级甚至日级监测;三是个性化干预深化,测评结果直接匹配个性化的AI干预方案。 多模态AI无感监测技术正在重新定义校园心理安全的边界——从“发现问题再处理”转向“在日常中持续感知风险”,这种转变的意义可能比技术本身更加深远。
