Este documento muestra un método avanzado que logra un reconocimiento preciso de las emociones faciales de miedo al proporcionar una evaluación cuantitativa de otras emociones negativas. El enfoque propuesto se centra tanto en un procedimiento de cálculo de calibración como en una técnica de patrón de características importante, que se aplica para extraer las características más relevantes en diferentes rostros humanos. De hecho, se destaca un método de proyección 3D/2D para tratar la variación angular (AD) y los efectos de orientación en la detección de emociones. Utilizando la combinación del algoritmo de análisis de componentes principales y el método de red neuronal artificial (PCAN), finalmente se logra un sistema de clasificación supervisada para reconocer los datos de emoción considerados divididos en dos categorías: miedo y otros. Los resultados obtenidos han alcanzado una precisión alentadora de hasta 20 grados de AD. En comparación con otras estrategias de vanguardia y de clasificación, registramos la mayor precisión de identificación de la emoción de miedo. Se realiza un análisis estadístico de todas las emociones faciales, que confirma el mejor rendimiento de clasificación (valores predictivos positivos (PPV) = 95.13, valores predictivos negativos (NPV) = 94.65, cociente de probabilidad positivo (PLr) = 33.9 y cociente de probabilidad negativo (NLr) = 0.054. El intervalo de confianza tanto para PPV como para NPV es del 92 al 98%. El marco propuesto se puede aplicar fácilmente en cualquier dominio de seguridad que necesite distinguir de manera efectiva el reconocimiento de casos de miedo.