Convolution Neural Network untuk Verifikasi Garis Keturunan Berbasis Ekstraksi Fitur Wajah Local Binary Pattern

Abstract

Setiap individu pasti memiliki ekspresi. Ekspresi muncul akibat adanya emosi yang dirasakan oleh individu. Ekspresi secara umum dibagi menjadi dua yaitu mikro ekspresi dan makro ekspresi. Perbedaan diantara keduanya yaitu mikro ekspresi muncul secara halus dan tanpa disadari dengan rentang waktu singkat. Sedangkan makroekspresi muncul secara disengaja dan disadari dengan rentang waktu lama. Ekspresi juga dipengaruhi oleh banyak faktor, salah satunya adalah faktor keturunan. Dimana setiap keluarga pasti memiliki ciri khas pada wajah dalam hal ekspresi. Identifikasi individu melalui mikro ekspresi sangat penting dilakukan. Berbeda dengan makroekspresi yang mudah dikenali dan dideteksi, mikro ekspresi merupakan hal yang sulit dideteksi Adanya keterkaitan tersebut yaitu ekspresi dan kekerabatan (keturunan) maka dari itu, CNN (Convolutional Neural Network) dibutuhkan sebagai klasifikasi agar mikro ekspresi dari setiap individu dapat dideteksi. Dalam skripsi ini mikro ekspresi dideteksi berbasis CNN yang termasuk dalam deep learning. Metode CNN diimplementasikan dengan bantuan library OpenCV. Objek deteksi menggunakan dataset FIW (Families in the Wild). FIW (Families In the Wild) merupakan dataset berisi mikro ekspresi yang bersifat kekerabatan atau memiliki garis keturunan. Ekstraksi fitur yang digunakan adalah LBP (Local Binnary Pattern) yang termasuk dalam jenis feature texture. Pada penelitian ini menerapkan teknik linier regresi. Berdasarkan penelitian yang telah dilakukan menggunakan CNN dengan arsitektur VGGFace yang memanfaatkan teknik linier regresi didapatkan ROC AUC training sebesar 81,6% dan testing 81,4%.