Saputro, Arika (2016) Deteksi Ekspresi Wajah Pada Sekuen Citra Menggunakan Algoritma Active Shape Model Dan Klasifier Twofold Random Forest. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5112100073-Undergraduate_Thesis.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Ekspresi wajah adalah informasi nonverbal yang penting
untuk melengkapi komunikasi verbal. Ekspresi wajah berpengaruh
penting dalam menentukan emosi dari manusia. Deteksi ekspresi
wajah secara otomatis sangat penting untuk diaplikasikan, seperti
untuk image understanding, health-care, human computer
interaction, video games dan animasi data-driven. akan tetapi,
deteksi ekspresi wajah dengan akurasi yang tinggi masih menjadi
tantangan terbuka bagi semua peneliti[1].
Kebanyakan sistem analisis pada ekspresi wajah
memfokuskan pada deteksi 6 emosi dasar yang diajukan oleh
Ekman, yaitu : marah, jijik, takut, bahagia, sedih, dan terkejut.
Setiap ekspresi dasar tersebut dapat didekomposisikan menjadi
serangkaian Action Units (AUs) yang berkaitan[1]. Misalnya,
ekspresi bahagia dapat didekomposisikan menjadi pipi yang naik
dan sudut bibir yang tertarik. Bahkan pada studi psikologi klasik
menunjukkan bahwa manusia secara sadar memetakan AUs ke
kategori emosi dasar.
Tugas akhir ini menyajikan sebuah video-based method
untuk menganalisis ekspresi wajah dengan mengenali AU dan
dilakukan pelacakan terhadap titik fitur wajah menggunakan
Active Shape Model (ASM). Vektor perpindahan antara frame ekspresi netral dan frame ekspresi puncak digunakan sebagai fitur
gerakan dari ekspresi wajah. Fitur tersebut diidentifikasi dengan
level pertama klasifier random forest untuk mendeteksi AU. AU
yang terdeteksi kemudian diklasifikasikan kedalam ekspresiekspresi
yang berbeda-beda dengan klasifier random forest level
kedua. Dengan menggunakan data yang diambil dari 3 subjek uji
coba, akurasi terbesar didapatkan dengan nilai parameter
averaging k = 3 dan iterasi twofold random forest = 100 dengan
nilai akurasi sebesar 74.45% dengan 6 kelas ekspresi dan 100%
dengan 5 kelas ekspresi.
==================================================================================================================
Facial expressions are an important nonverbal
information to supplement verbal communication. Facial
expressions are important in determining the influence of human
emotions. Automatic detection of facial expressions is very
important to be applied, such as for image understanding, healthcare,
human computer interaction, video games and animation
data-driven. however, the detection of facial expressions with high
accuracy remains a challenge open to all researchers[1].
Most system analysis on expression face detection focus on
six basic emotions proposed by Ekman, namely: anger, disgust,
fear, happiness, sadness, and surprise. Each of these basic
expressions can be decomposed into a series of related Action
Units (AUs)[1]. For example, the happy expression can be
decomposed into the cheek that rises and the lip corners are
stretch. Even in a classic psychology study shows that humans
consciously charted AUs to basic emotional categories.
This final project presents a video-based method for
analyzing facial expressions with the AUs to recognize and to track
of facial feature points using Active Shape Model (ASM). The
displacement vector between the frame and the frame of neutral
expression used as the ultimate expression of the movement of the facial expressions. Such a feature is identified by the first level
klasifier random forest to detect the AU. AU is detected then
classified into expressions that vary with random forest klasifier
second level. Using data taken from three subjects test, best
accuracy is obtained with averaging parameter k = 3 and twofold
random forest iteration = 100 with a value 74.45% with 6
expression class and 100% with 5 expression class.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSIf 006.42 Sap d |
| Uncontrolled Keywords: | Expression recognition, Random forest, ASM |
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques |
| Divisions: | Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | ansi aflacha |
| Date Deposited: | 16 Jul 2020 06:15 |
| Last Modified: | 16 Jul 2020 06:15 |
| URI: | http://repository.its.ac.id/id/eprint/76392 |
Actions (login required)
 |
View Item |