Ekstraksi Fitur Mulut pada Citra untuk Identifikasi Ekspresi Wajah

Darassalam, Lestari (2009) Ekstraksi Fitur Mulut pada Citra untuk Identifikasi Ekspresi Wajah. Other thesis, Fakultas Teknik.

Preview

PDF (Ekstraksi Fitur Mulut pada Citra untuk Identifikasi Ekspresi Wajah) - Supplemental Material Available under License Creative Commons Public Domain Dedication. Download (359Kb) | Preview

Abstract

Perkembangan teknologi dan media informasi memungkinkan terjadinya revolusi dalam metode interaksi antara manusia dan komputer yang lebih efektif dan lebih akrab. Salah satu metode interaksi manusia-komputer ini menerapkan konsep teknologi computer vision dalam bidang pengenalan wajah. Walaupun penentuan daerah dan ekspresi wajah sangat mudatr dikenali menggunakan penglihatan manusi4 tetapi automatisasi pengolahan pada sistem komputer memerlukan beberapa teknik pengolahan citra. Penelitian ini terdiri dari tiga langkah utama pengolahan citra- Pertam4 proses segmentasi menggunakan metode distribusi Gaussian. Metode ini memanfaatkan informasi wama kulit dari beberapa sampel untuk menghasilkan citra kemungkinan kulit (shin likelihood). Kemudian dilakukan proses pelabelan untuk mencari komponen terkoneksi yang berupa daerah kulit dalam sebuah citra uji. Untuk memastikan bahwa daerah tersebut adalatr wajah dengan melahrkan pengecekan ada atau tidak ada lubang pada daerah citra uji. Kedu4 mengekstaksi fitur mulut pada citra wajah yang didapat melalui proses Mouth Map (PetaMulut) dalam ruang warna YCbcr dari analisa komponen krominan (Cb dan Cr) saja. Langkah ketig4 adalah mengidentifikasi ekspresi wajah. parameter yang digunakan untuk identifftasi adalah keberadaan titik sudut-sudut mulut dan pergeseran titik tengah mulut terhadap perubahan ekspresi mulut. Kinerja sistem pendeteksian wajah dan pengidentifikasian ekspresi wajatr berdasarkan perbandingan langsung dari citra uji atau citra masukan dengan keadaan yang sebenarnya. Hasil penelitian yang diperoleh dari penelitian Ekstraksi Fitur Mulut pada Citra untuk Identifikasi Ekspresi Wajah ini sudah cukup memuaskan. Dari 65 sampel citra yang diujikan, hasilnya dapat mengidentifikasi ekspresi normal, senang dan surprise dengan tingkat keberhasilan 84,62 %. Sedangkan sistem tidak berhasil untuk mendeteksi ekspresi sedih, karena perlunya parameter-parameter lain yang lebih kompleks seperti raut dagu, garis-garis wajah dan ekspresi mata. Kata kunci : Segmentasi Distribusi Gaussian, Peta Mula dor Identifikasi Ekspresi.

Actions (login required)

View Item