Muna, Niyalatul (2017) Klasifikasi Micro-Expressions Wajah Berbasis Subpixel Subtle Motion Estimation Menggunakan Multilayer Perceptron. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
2215205007-Master_Thesis.pdf - Published Version Download (3MB) | Preview |
Abstract
Komunikasi antar individu satu dengan individu lainnya dapat disampaikan berbeda-beda, tidak hanya melalui lisan, tulisan, dan gerakan tubuh seseorang. Komunikasi ini juga dapat disampaikan melalui emosi dasar yang dirasakan oleh seseorang melalui ekspresi wajah yang telihat. Ekspresi wajah yang ditampilkan sebagai bentuk ungkapan emosi dapat terlihat secara singkat atau cepat yang dikenal sebagai micro-exspressions. Pergerakan ekspresi wajah mikro yang halus dari setiap perubahan, membuat banyak orang masih sulit untuk mengetahui dan mengenali emosi yang terjadi. Oleh karena itu, penelitian ini mengusulkan untuk pengenalan mikro-ekspresi dengan memperkirakan gerak halus (subtle motion) disetiap frame berdasarkan Onset, Apex, dan Offset-Frame dengan akurasi subpixel untuk fitur yang akan dikenali berbasis kombinasi Block Matching Algorithm (BMA) dengan pendekatan Deret Taylor. Metode klasifikasi yang digunakan Multilayer Perceptron dengan hasil kinerja akurasi terbaik 82.08955% pada dataset CASMEII dan 52.0608% pada dataset SMIC. ==================================================================================================== Communication between one individual and another can be delivered in different ways, not only through speech, writing and body motions. Communication can also be delivered through basic emotions one feels through visible facial expressions. Facial expressions displayed in the forms of emotional expressions can be demonstrated briefly or quickly, which is known as micro-expression. The subtle motion of micro facial expression in every change makes many people find it difficult to identify and recognize the ongoing emotion. Therefore, this research proposes the recognition of micro-expression emotion by estimating subtle motion in every frame based on subpixel Onset, Apex and Offset-frame for features are identified using Block Matching Algorithm (BMA) combination with Taylor Series Approximation. Classification method used Multilayer Perceptron with best accuracy result 82.08955% of CASMEII dataset and 52.0608% of SMIC dataset.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Micro-Expressions; Subpixel Subtle Motion; Block Matching Algorithm; Taylor Series Approximation; Multilayer Perceptron |
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques |
| Divisions: | Faculty of Industrial Technology > Electrical Engineering > 20101-(S2) Master Thesis |
| Depositing User: | Niyalatul Muna . |
| Date Deposited: | 07 Sep 2017 08:05 |
| Last Modified: | 05 Mar 2019 06:30 |
| URI: | http://repository.its.ac.id/id/eprint/42696 |
Actions (login required)
 |
View Item |