面部表情识别使用SVM方法与傅里叶变换和PCA

Ricky Julianto, Derry Alamsyah
{"title":"面部表情识别使用SVM方法与傅里叶变换和PCA","authors":"Ricky Julianto, Derry Alamsyah","doi":"10.56869/klik.v2i1.282","DOIUrl":null,"url":null,"abstract":"Ekspresi wajah digunakan seseorang sebagai cara untuk berkomunikasi secara non-verbal dalam mengungkapkan perasaan yang sedang dialaminya. Ekspresi secara universal dikategorikan menjadi enam ekspresi dasar yaitu senang, sedih, marah, jijik, takut, terkejut, dan satu ekspresi netral. Dalam penelitian ini dilakukan pengenalan ekspresi menggunakan metode SVM dengan ekstraksi ciri transformasi fourier dan direduksi menggunakan PCA. Tahapan penelitian dimulai dengan mengambil dataset fer2013, dilanjutkan dengan pengkonversian data piksel menjadi gambar, selanjutnya gambar diekstraksi menggunakan transformasi fourier lalu direduksi menggunakan PCA, setelah itu diklasifikasi menggunakan SVM dimana hasil pengujian menggunakan data original mendapatkan model terbaik pada kernel polinomial derajat 2 dengan  = 10 yang memberikan hasil akurasi sebesar 38% untuk citra gambar bagus dan 32.666% untuk citra gambar dengan noise salt and pepper, sementara itu hasil pengujian menggunakan data dengan peningkatan kontras mendapatkan model terbaik pada kernel polinomial derajat 2 dengan  = 1 yang memberikan hasil akurasi sebesar 36.666% untuk citra gambar bagus dan 33.333% untuk citra gambar dengan noise salt and pepper menggunakan data testing.","PeriodicalId":31227,"journal":{"name":"KLIK Kumpulan jurnaL Ilmu Komputer","volume":"63 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2021-03-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"PENGENALAN EKSPRESI WAJAH MENGGUNAKAN METODE SVM DENGAN TRANSFORMASI FOURIER DAN PCA\",\"authors\":\"Ricky Julianto, Derry Alamsyah\",\"doi\":\"10.56869/klik.v2i1.282\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Ekspresi wajah digunakan seseorang sebagai cara untuk berkomunikasi secara non-verbal dalam mengungkapkan perasaan yang sedang dialaminya. Ekspresi secara universal dikategorikan menjadi enam ekspresi dasar yaitu senang, sedih, marah, jijik, takut, terkejut, dan satu ekspresi netral. Dalam penelitian ini dilakukan pengenalan ekspresi menggunakan metode SVM dengan ekstraksi ciri transformasi fourier dan direduksi menggunakan PCA. Tahapan penelitian dimulai dengan mengambil dataset fer2013, dilanjutkan dengan pengkonversian data piksel menjadi gambar, selanjutnya gambar diekstraksi menggunakan transformasi fourier lalu direduksi menggunakan PCA, setelah itu diklasifikasi menggunakan SVM dimana hasil pengujian menggunakan data original mendapatkan model terbaik pada kernel polinomial derajat 2 dengan  = 10 yang memberikan hasil akurasi sebesar 38% untuk citra gambar bagus dan 32.666% untuk citra gambar dengan noise salt and pepper, sementara itu hasil pengujian menggunakan data dengan peningkatan kontras mendapatkan model terbaik pada kernel polinomial derajat 2 dengan  = 1 yang memberikan hasil akurasi sebesar 36.666% untuk citra gambar bagus dan 33.333% untuk citra gambar dengan noise salt and pepper menggunakan data testing.\",\"PeriodicalId\":31227,\"journal\":{\"name\":\"KLIK Kumpulan jurnaL Ilmu Komputer\",\"volume\":\"63 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-03-22\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"KLIK Kumpulan jurnaL Ilmu Komputer\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.56869/klik.v2i1.282\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"KLIK Kumpulan jurnaL Ilmu Komputer","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.56869/klik.v2i1.282","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

面部表情被用作一种非语言交流的方式来表达正在经历的感觉。一般来说,表达被分为六个基本表达形式,即喜悦、悲伤、愤怒、厌恶、恐惧、惊讶和一个中性表达。在本研究中,使用SVM方法提取傅里尔变换特征和使用PCA进行表达介绍。研究阶段从2013年提取数据集开始,然后将像素数据转换器转换成图像,然后通过PCA进行提取图像,在它被分类后,使用SVM,利用原始数据测试结果在内核多项式2上获得最佳模型,= 10为良好图像提供38%的准确性,32,666%为noise salt和pepper图像,与此同时,测试结果使用的数据对比增加,得到1 - 2的内核多项式上最好的模型,这为良好的图像提供了36666%的准确性,3333%的图像与噪声盐和胡椒数据进行测试。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
PENGENALAN EKSPRESI WAJAH MENGGUNAKAN METODE SVM DENGAN TRANSFORMASI FOURIER DAN PCA
Ekspresi wajah digunakan seseorang sebagai cara untuk berkomunikasi secara non-verbal dalam mengungkapkan perasaan yang sedang dialaminya. Ekspresi secara universal dikategorikan menjadi enam ekspresi dasar yaitu senang, sedih, marah, jijik, takut, terkejut, dan satu ekspresi netral. Dalam penelitian ini dilakukan pengenalan ekspresi menggunakan metode SVM dengan ekstraksi ciri transformasi fourier dan direduksi menggunakan PCA. Tahapan penelitian dimulai dengan mengambil dataset fer2013, dilanjutkan dengan pengkonversian data piksel menjadi gambar, selanjutnya gambar diekstraksi menggunakan transformasi fourier lalu direduksi menggunakan PCA, setelah itu diklasifikasi menggunakan SVM dimana hasil pengujian menggunakan data original mendapatkan model terbaik pada kernel polinomial derajat 2 dengan  = 10 yang memberikan hasil akurasi sebesar 38% untuk citra gambar bagus dan 32.666% untuk citra gambar dengan noise salt and pepper, sementara itu hasil pengujian menggunakan data dengan peningkatan kontras mendapatkan model terbaik pada kernel polinomial derajat 2 dengan  = 1 yang memberikan hasil akurasi sebesar 36.666% untuk citra gambar bagus dan 33.333% untuk citra gambar dengan noise salt and pepper menggunakan data testing.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
审稿时长
24 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信