Perbandingan Fase Ekspresi Menggunakan Local Binary Pattern Histogram Untuk Pengenalan Ekspresi Mikro

Abstract

Ekspresi mikro merupakan representasi emosional yang terjadi secara spontan dan tidak dapat dikendalikan secara sadar serta bersifat sementara (durasi pendek) dengan gerakan halus (intensitas gerakan kecil), sehingga sulit dideteksi dengan mata manusia biasa. Gerakan otot ekspresi mikro dihasilkan hanya pada beberapa area kecil wajah, sehingga pengamatan pada area tertentu menghasilkan waktu komputasi yang lebih cepat dan memberikan informasi penting dibandingkan dengan pengamatan pada seluruh wajah. Penelitian ini mengusulkan pengurangan area dan fase pengamatan untuk pengenalan ekspresi mikro. Area yang diamati yaitu alis kiri, alis kanan, mata kanan, mata kiri, dan mulut pada dataset CASME II. Fase pengamatan ekspresi mikro dilakukan dengan menganalisis perbandingan pada fase onset hingga offset (“fullOAO”) dan hanya pada fase onset, apex, dan offset (“OAO”). Ekstraksi fitur dilakukan menggunakan metode sederhana dari local binary patterns histogram (LBPH), yang dapat merepresentasikan fitur lokal pada area wajah. Hasil terbaik dari metode yang diusulkan adalah fase “fullOAO” dengan akurasi 96,8% (menggunakan support vector machine-radial basis function, SVM-RBF) serta rata-rata waktu komputasi sebesar 0,192 ms per frame dan 10,473 ms per video. Pada jenis fase “OAO”, dihasilkan akurasi sebesar 87,7% dengan waktu komputasi 0,159 ms per frame dan 0,576 ms per video. Perbedaan akurasi dan waktu komputasi kedua jenis fase tersebut terjadi karena jumlah frame pada jenis “fullOAO” lebih besar daripada “OAO”, sehingga menghasilkan waktu pemrosesan dan data ekstraksi fitur dalam jumlah yang berbeda. Namun, penurunan akurasi sebesar 9% tidak berpengaruh terlalu besar karena tingkat akurasinya masih tergolong baik, yaitu di atas 80%. Selain itu, pengukuran yang tepat untuk waktu komputasi adalah waktu yang dibutuhkan untuk memproses setiap frame pada video masukan. Maka, dapat disimpulkan bahwa dengan metode yang diusulkan, dapat dihasilkan waktu komputasi cepat dan pengenalan yang tergolong akurat.