Menuju Pengenalan Ekspresi Mikro: Pendeteksian Komponen Wajah Menggunakan Discriminative Response Map Fitting
Abstrak
Pengamatan yang dilakukan dalam penelitian ekspresi mikro adalah melakukan pengenalan dan pelacakan gerakan yang sangat halus pada area wajah tertentu serta dalam waktu yang singkat. Dalam makalah ini dilakukan pengamatan gerakan pada beberapa area komponen wajah. Pendeteksian wajah dan komponen wajah merupakan tahapan awal proses yang diperlukan dalam sistem pengenalan ekspresi mikro. Tujuan dalam tahapan ini adalah mendapatkan area wajah dan komponen wajah dengan akurat dan cepat pada setiap pergerakan urut-urutan video atau pada deretan gambar. Titik-titik landmark wajah dari metode Discriminative Response Map Fitting (DRMF) dapat digunakan untuk mendapatkan area komponen wajah dengan akurat dan cepat. Hal ini dikarenakan titik-titik landmark wajah yang digunakan dalam metode yang berbasis model ini tidak berubah ketika objek tersebut digerakkan, diputar, atau diskalakan. Hasil yang didapatkan dengan menggunakan metode ini akurat dengan nilai akurasi sebesar 100% dibandingkan dengan menggunakan metode Haar Cascade Classifier dengan akurasi rata-rata sebesar 44%. Selain itu, waktu rata-rata yang diperlukan dalam pembentukan kotak komponen wajah tiap frame adalah sebesar 0,08 detik, lebih cepat dibandingkan dengan metode Haar Cascade Classifier sebesar 0,32 detik. Dengan hasil yang diperoleh, maka pendeteksian komponen wajah bisa didapatkan dengan akurat dan cepat. Selanjutnya, area komponen wajah yang diperoleh ini diharapkan dapat menampilkan data yang tepat untuk dapat diolah dengan baik dan akurat pada tahapan berikutnya, tahapan ekstraksi fitur dan klasifikasi gerakan ekspresi mikro.
Referensi
R. Wiryadinata, U. Istiyah, R. Fahrizal, P. Priswanto, dan S. Wardoyo, “Sistem Presensi Menggunakan Algoritme Eigenface dengan Deteksi Aksesoris dan Ekspresi Wajah,” J. Nas. Tek. Elektro Dan Teknol. Inf. JNTETI, Vol. 6, No. 2, hal. 222-229, 2017.
H. Pratikno, “Kontrol Gerakan Objek 3D Augmented Reality Berbasis Titik Fitur Wajah dengan POSIT,” J. Nas. Tek. Elektro Dan Teknol. Inf. JNTETI, Vol. 4, No. 1, hal. 16-24, 2015.
U. D. Rosiani, A. Atmoko, S. Sumpeno, dan M. H. Purnomo, “The Synthesis of Javanese Woman’s Facial Image on Anger Expression Based on Emotion Regulation,” 2015 4th International Conference on Instrumentation, Communications, Information Technology, and Biomedical Engineering (ICICI-BME), 2015, hal. 185–190.
W.-J. Yan dkk., “CASME II: An Improved Spontaneous Micro-Expression Database and the Baseline Evaluation,” PLoS ONE, Vol. 9, No. 1, hal. 1-8, Jan 2014.
S. L. Happy dan A. Routray, “Fuzzy Histogram of Optical Flow Orientations for Micro-expression Recognition,” IEEE Transactions on Affective Computing (Early Access), Vol. PP, No. 99, hal. 1–1, 2017.
M. Chen, H. T. Ma, J. Li, dan H. Wang, “Emotion Recognition Using Fixed Length Micro-Expressions Sequence and Weighting Method,” IEEE International Conference on Real-time Computing and Robotics (RCAR), 2016, hal. 427–430.
W.-J. Yan, Q. Wu, J. Liang, Y.-H. Chen, dan X. Fu, “How Fast are the Leaked Facial Expressions: The Duration of Micro-Expressions,” J. Nonverbal Behav., Vol. 37, No. 4, hal. 217–230, Des 2013.
X. Huang, G. Zhao, X. Hong, W. Zheng, dan M. Pietikäinen, “Spontaneous Facial Micro-Expression Analysis Using Spatiotemporal Completed Local Quantized Patterns,” Neurocomputing, Vol. 175, Part A, hal. 564–578, Jan 2016.
X. Li dkk., “Reading Hidden Emotions: Spontaneous Micro-Expression Spotting and Recognition,” ArXiv Prepr. ArXiv151100423, 2015.
D. Patel, G. Zhao, dan M. Pietikäinen, “Spatiotemporal Integration of Optical Flow Vectors for Micro-Expression Detection,” International Conference on Advanced Concepts for Intelligent Vision Systems, 2015, hal. 369–380.
S.-T. Liong, J. See, R. C.-W. Phan, K. Wong, dan S.-W. Tan, “Hybrid Facial Regions Extraction for Micro-expression Recognition System,” J. Signal Process. Syst., Vol. 90, Issue 4, hal. 1–17, 2017.
A. Asthana, S. Zafeiriou, S. Cheng, dan M. Pantic, “Robust Discriminative Response Map Fitting with Constrained Local Models,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2013, hlm. 3444–3451.
D. Cristinacce dan T. F. Cootes, “Feature Detection and Tracking with Constrained Local Models,” Proceedings of the British Machine Vision Conference 2006, 2006, hal. 929-938.
A. Asthana, S. Zafeiriou, S. Cheng, dan M. Pantic, “Incremental Face Alignment in the Wild,” 2014 IEEE Conference on Computer Vision and Pattern Recognition, 2014, hal. 1859–1866.
M. D. Putro, T. B. Adji, dan B. Winduratna, “Sistem Deteksi Wajah dengan Menggunakan Metode Viola-Jones,” Seminar Nasional “Science, Engineering and Technology”– 2012, 2012, hal. TIF09-1.
H. L. Chin, M. Hanafi, dan T. D. Salka, “Integrated Face and Facial Components Detection,” 2015 Seventh International Conference on Computational Intelligence, Modelling and Simulation (CIMSim), 2015, hal. 87–91.
P. Ekman dan W. V. Friesen, “Nonverbal Leakage and Clues to Deception,” Psychiatry, Vol. 32, No. 1, hal. 88–106, 1969.
S. Porter dan L. ten Brinke, “Reading Between the Lies: Identifying Concealed and Falsified Emotions in Universal Facial Expressions,” Psychol. Sci., Vol. 19, No. 5, hal. 508–514, Mei 2008.
X. Ben, P. Zhang, R. Yan, M. Yang, dan G. Ge, “Gait Recognition and Micro-Expression Recognition Based on Maximum Margin Projection with Tensor Representation,” Neural Comput. Appl., Vol. 27, No. 8, hal. 2629–2646, Nov 2016.
N. H. Frijda, The Emotions. Cambridge University Press, 1986.
P. Zhang, X. Ben, R. Yan, C. Wu, dan C. Guo, “Micro-expression recognition system,” Opt. - Int. J. Light Electron Opt., Vol. 127, No. 3, hal. 1395–1400, Feb 2016.
P. Viola dan M. Jones, “Rapid Object Detection Using a Boosted Cascade of Simple Features,” Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2001, hal. I.511-I.518.
R. Lienhart dan J. Maydt, “An Extended Set of Haar-like Features for Rapid Object Detection,” Proceedings of 2002 International Conference on Image Processing, 2002, hal. I.900–I.903.
J. M. Saragih, S. Lucey, dan J. F. Cohn, “Deformable Model Fitting by Regularized Landmark Mean-shift,” Int. J. Comput. Vis., Vol. 91, No. 2, hal. 200–215, 2011.
X. Zhu dan D. Ramanan, “Face Detection, Pose Estimation, and Landmark Localization in the Wild,” 2012 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2012, hal. 2879–2886.
N. Dalal dan B. Triggs, “Histograms of Oriented Gradients for Human Detection,” IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2005 (CVPR 2005), 2005, hal. 886–893.
M. Sokolova dan G. Lapalme, “A Systematic Analysis of Performance Measures for Classification Tasks,” Inf. Process. Manag., Vol. 45, No. 4, hal. 427–437, 2009.
© Jurnal Nasional Teknik Elektro dan Teknologi Informasi, di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.