创建一个大而自然的面部表情数据库是进行面部表情分析和分类的先决条件。 然而,由于没有标准,统一和准确的测量可用于数据库收集和注释,因此不仅耗时而且难以捕获足够数量的自发面部表情图像及其含义。 因此,对自发表达数据库进行全面的第一手数据分析可以为数据库构建,表达识别和情感推断的未来研究提供见识。 本文介绍了我们对自然可见和红外面部表情(NVIE)的多模式自发面部表情数据库的分析。 首先,利用对象自我报告数据的均值和方差分析数据库中情感视频的有效性。 其次,使用Kappa和Kendall系数对评分者对顶点表达图像和序列的主观评估进行信度可靠性分析。 第三,我们提出了一个匹配率矩阵,以探索所显示的自发表达与感觉情感状态之间的一致性。 最后,使用成对样本t检验分析姿势和自发面部表情之间的热差异。 这些分析的结果证明了我们诱导情绪的实验设计的有效性,情绪React中的性别差异以及多种情绪/表达的共存。 面部图像序列在表达和情感识别方面比顶点图像更具信息性。 与使用一个主要类别标记表达图像或序列相比,用多个类别及其强度标记一个表达图像或序列可能是一种更好的方法。 结果还证明了面部表情作为传达情感状态的一种交流手段的重要性,以及所显示的感觉情绪表现形式的多样性。 实际上,大多数姿势和自发面部表情的温度差数据之间确实存在一些显着差异,其中许多出现在额头和脸颊区域。