Pengenalan Ekspresi Emosi pada Citra Wajah Menggunakan Extreme Learning Machine Studi Kasus Dataset Publik JAFFE
Emotional Expressions Recognition in Facial Images Using Extreme Machine Learning Case Study of JAFFE Public Dataset
DOI:
https://doi.org/10.57152/malcom.v2i2.363Keywords:
ELM, Face Recognition, Facial Expression, JAFFE, Lower FaceAbstract
Era teknologi informasi semakin berkembang dengan cepat dan kompleks, kehandalan sistem mengolah data dengan baik akan menghasilkan informasi yang baik pula. Face Recognition merupakan topik yang ramai dibicarakan dan banyak diteliti, penemuan-penemuan dibidang ini pun banyak menghasilkan temuan yang digunakan sebagai acuan untuk Face Recognition, salah satunya Facial Expression. Sistem pengenalan emosi merupakan salah satu contoh pemrosesan citra yang termasuk pada ranah computer vision. Dalam dunia computer vision, penelitian mengenai ekspresi wajah telah dilakukan sebelumnya oleh Chinese Academy of Sciences Micro-Expression (CASME). Pada kasus micro-expressions wajah, penelitian ini fokus pada satu area yaitu lower face yang dijadikan acuan untuk fitur wajah yang digunakan. Untuk lower face area yang dijadikan ROI khusus diwilayah mulut (lower face). Untuk melakukan ROI pada area tersebut, metode yang digunakan algoritma Viola-Jones pada cascade object detector dengan menentukan wilayah khusus yang dicrop atau batasan area berdasarkan fitur lower face yang bisa disebut sebagai deteksi area mulut (mouth detection). Kemudian dilakukan proses ekstraksi menggunakan Local Binary Pattern. Setelah itu hasil dari proses ekstraksi dijadikan acuan untuk menentukan deteksi ekspresi emosi. Nantinya deteksinya akan memanfaatkan ELM sebagai metode klasifikasi yang dijadikan kelas-kelas ekspresi emosi.
References
Anas, Andi Sofyan., dan Rizal, Ahmad Ashril., 2017, Deteksi Tepi dalam Pengolahan Citra Digital, Seminar Nasional TIK dan Ilmu Sosial (SocioTech) STMIK Bumigora, ISBN: 978-602-17488-2-4.
Anonim. 2018. “What is Facial Recognition? - De?nition from Techopedia”, Techopedia.com, https://www.techopedia.com/de?nition/32071/facialrecognition, 27 Agustus.
Huang, G.B., Zhu, Q.Y., dan Siew, C.K., 2005, Extreme Learning Machine : Theory and Applications, Elsevier science : Neurocomputing 70 (2006) 489501.
Huang, X., Wang, S.-J., Zhao, G., & Pietikäinen, M., 2015, Facial MicroExpression Recognition using Spatiotemporal Local Binary Pattern with Integral Projection, IEEE International Conference on Computer Vision Workshop, 1-9.
Huang, X., Zhao, G., Hong, X., Zheng, W. and Pietikäinen, M., 2015, Spontaneous Facial Micro-Expression Analysis using Spatiotemporal Completed Local Quantized Patterns, Neurocomputing. Elsevier, 175, pp. 564–578. doi: 10.1016/j.neucom.2015.10.096.
Jain, Y.K., & Bhandare, S.K., 2011, Min Max Normalization Based Data Perturbation Method For Privacy Protection, International Journal of Computer & Communication Technology, 2(8), pp.45-50.
Kurniawati, Intan Dwi. dan Ir. Apriani Kusumawardhani, M.Sc. 2017. Implementasi Algoritma Canny dalam Pengenalan Wajah menggunakan Antarmuka GUI Matlab. Departemen Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS). Article in Image Processing, IET.
Kusban, Muhammad., 2013, Deteksi Tepi Bidang Kedokteran dalam Kawasan Alihragam Powerlaw. Seminar Nasional Teknik & Manajemen Industri. https://publikasiilmiah.ums.ac.id/bitstream/handle/11617/3055/Makalah.pdf ;sequence=1.
Linda, A.S., 2010, Penerapan Region Of Interest (ROI) Pada Metode Kompresi. Penerapan Region Of Interest (ROI) Pda Metode Kompre, 1–14. https://doi.org/10.14710/JTSISKOM.3.2.2015. 320-334.
Li, S. Z. & Jain, A. K., 2005, “Handbook of Face Recognition”, Springer, US.
M. Sokolova dan G. Lapalme, 2009, “A Systematic Analysis of Performance Measures for Classification Tasks”, Inf. Process. Manag., Vol. 45, No. 4, hal. 427–437.
N. H. Frijda, 1986, The Emotions, Cambridge University Press.
Pietikäinen, M., Hadid, A., Zhao, G., & Ahonen, T, 2011, Computer Vision Using Local Binary Pattern, 13-47.
Prasetyo, E., 2014, Data Mining Mengolah Data Menjadi Informasi Menggunakan Matlab. Andi Publisher: Yogyakarta.
Putra. Arief Bramanto Wicaksono., dkk., 2020, Prototype Region Of Interest (ROI) Citra Wajah Manusia Berbasis Binary Large Object (Blob) Analysis. http://dinarek.unsoed.ac.id Vol. 16 No. 2 (2020) .
Putro, M, D., Adji, T, B., Winduratna, B., 2012, Sistem deteksi wajah dengan menggunakan metode Viola Jones, Magister Instrumentasi Elektro FT UGM.
Retnoningrum, Dwi., Widodo, Agus Wahyu., dan Rahman, Muh. Arif., 2019, Ekstraksi Ciri Pada Telapak Tangan Dengan Metode Local Binary Pattern (LBP), Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer: Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Vol. 3, No. 3, Maret 2019, hal. 2611-2618.
The Japanese Female Facial Expression (JAFFE) Dataset | Zenodo [Diakses Pada 7 Januari 2021].
Turiyanto, M. D., Purwanto, D., & Dikairono, R., 2014, Penerapan Teknik Pengenalan Wajah Berbasis Fitur Local Binary Pattern pada Robot Pengantar Makanan, 1-6.
Wang, S. J., Yan, W. J., Li, X., Zhao, G. and Fu, X., 2014, Micro-Expression Recognition Using Dynamic Textures On Tensor Independent Color Space, Proceedings - International Conference on Pattern Recognition, pp. 4678– 4683. doi: 10.1109/ICPR.2014.800.
Wang, S.-J., Yan, W.-J., Li, X., Zhao, G., Zhou, C.-G., Fu, X., Yang, M. and Tao, J., 2015, Micro-expression Recognition Using Color Spaces, IEEE Transactions On Image Processing?: A Publication Of The IEEE Signal Processing Society, 24(12), pp. 6034–6047. doi: 10.1109/TIP.2015.2496314
Wu. Xiaoting, Feng. Xiaoyi, Boutella. Elhocine, dan Hadid. Abdenour., 2018, Kinship Verification using Color Features and ELM.
X. Ben, P. Zhang, R. Yan, M. Yang, dan G. Ge., 2016, Gait Recognition and MicroExpression Recognition Based on Maximum Margin Projection with Tensor Representation, Neural Comput. Appl., Vol. 27, No. 8, hal. 2629–2646.
