首页

微表情是一种持续时间极短、不易被察觉的面部动作，它往往能反映出个体真实的情绪。无论是研究人类微表情识别的特点，还是研发微表情检测和识别算法，都在很大程度上依赖于微表情数据库。为了克服以往数据库存在的不足(如生态效度低、分析和编码不严格)，中国科学院心理研究所傅小兰团队建立了CASME，CASMEⅡ及CAS(ME)²自然微表情数据库。

数据采集时要求被试在保持面无表情条件下观看不同情绪视频。在采集过程中要求被试保持面无表情且身体不动，消除光照和头部运动等非情绪因素的干扰，得到了更加纯净的微表情样本。标注微表情样本的动作单元（AU），有助于更客观准确地标注表情。在微表情的情绪标注上，基于心理学研究，综合考虑了AU、视频材料的特点和被试的主观报告。

虽然我们有三个包含微表情的数据库，但是存在样本量小的问题。目前公开的微表情数据库样本量都比较小，主要原因是诱发比较困难，并且编码过程非常费时费力。在训练计算机实现微表情自动检测与识别功能时，会遇到样本缺乏的问题。

另外还存在情绪标签不统一的问题。由于不同数据库的情绪标定标准不一样，导致使用各种数据库进行微表情识别算法训练的时候会遇到标签不统一的问题。所以，一些研究者在使用时常常会进行再次分类，比如把原先大约六类的变成三类或者四类，如将所有样本分为正性、负性、惊讶、其它。正性包含高兴表情，这种微表情相对比较容易诱发且特征明显；负性包含了厌恶、悲伤、恐惧、愤怒等，这些微表情区分相对比较困难，但是其与正性微表情特征差异明显；而惊讶与正负性没有直接关系，表示出乎意料的情绪，可以根据情境进行解读。这样的分类能够更好地兼容不同的数据库，并且在心理学上有比较好的支持。