Pengenalan ekspresi wajah menggunakan metode fisherface dengan pendekatan jaringan syaraf tiruan backpropagation

ABIDIN, Zaenal, Drs. Agus Harjoko, M.Sc.,Ph.D

2010 | Tesis | S2 Ilmu Komputer

Di dalam kehidupan sehari hari, khususnya dalam komunikasi interpersonal, wajah sering digunakan untuk berekspresi. Melalui ekspresi wajah, maka dapat dipahami emosi yang sedang bergejolak pada diri individu. Ekspresi wajah merupakan salah satu karakteristik perilaku. Penggunaan sistem teknologi biometrika dengan karakteristik ekspresi wajah memungkinkan untuk mengenali mood atau emosi seseorang. Komponen dasar sistem analisis ekspresi wajah adalah deteksi wajah, ekstraksi data wajah, dan pengenalan ekspresi wajah. Metode fisherface dengan pendekatan jaringan syaraf tiruan backpropagation dapat digunakan untuk pengenalan ekspresi wajah. Metode ini dilakukan dengan dua tahap proses yaitu PCA dan LDA. Di mana perhitungan PCA digunakan untuk mereduksi dimensi, sedangkan LDA digunakan untuk mengekstraksi ciri ekspresi wajah dari setiap citra. Penelitian dilakukan pada 2 database yaitu JAFFE dan MUG yang memperoleh hasil recognition rate 86,85%, dan false positive 25 untuk citra citra JAFEE tipe I, citra JAFFE tipe II dengan recognition rate 89,20%, dan false positive 15, citra JAFFE tipe III dengan recognition rate 87,79%, dan false positive 16, dan citra MUG dengan recognition rate 98,09%, dan false positive 5.

In daily lives, especially in interpersonal communication, face often used for expression. Facial expressions give information about the emotional state of the person. A facial expression is one of the behavioral characteristics. The components of a basic facial expression analysis system are face detection, face data extraction, and facial expression recognition. Fisherface method with backpropagation artificial neural network approach can be used for facial expression recognition. This method consists of two-stage process, namely PCA and LDA. PCA is used to reduce the dimension, while the LDA is used to features extraction of facial expressions. The system was tested with 2 databases namely JAFFE database and MUG database. The system correctly classified the expression in 86.85%, and false positive 25 for image type I of JAFFE, image type II of JAFFE correctly classified the expression in 89.20% and false positive 15, meanwhile image type III of JAFFE correctly classified the expression in 87.79%, and false positive 16. The image of MUG correctly classified the expression in 98.09%, and false positive 5.

Kata Kunci : Ekspresi wajah,Metode fisherface,PCA,LDA,Jaringan syaraf tiruan backpropagation, facial expression, fisherface method, PCA, LDA, backpropagation neural network