Penjejakan Fitur Berbasis Koherensi Temporal dalam Sistem Animasi Ekspresi Wajah

Abstract

Abstrak

Tingginya permintaan produktivitas industri animasi di Indonesia menuntut adanya perubahan
di sektor produksi. Teknologi motion capture merupakan penerapan prinsip visi komputer
yang mengadaptasi indera mata manusia untuk mengenali fenomena gerakan yang tertangkap
kamera dan memetakannya dalam pola gerak virtual. Tulisan ilmiah ini akan membahas metode
penjejakan fitur penanda di wajah manusia untuk mendapatkan informasi mengenai ekspresi
wajah. Teknik penjejakan menggunakan penerapan prinsip koherensi temporal. Asumsi yang
digunakan pada penelitian ini berargumentasi bahwa dengan menggunakan pendekatan
koherensi temporal, maka proses penjejakan fitur di citra sekuensial dapat disederhanakan
dengan perhitungan nilai kedekatan pada penanda di setiap frame-nya. Hasil yang didapat
menunjukkan bahwa proses penjejakan fitur yang diusulkan memiliki hasil yang handal untuk
menangani banyak frame. Komputasi yang digunakan juga sangat efisien dan hemat karena
prosesnya tidak memerlukan tahap pembelajaran terlebih dahulu. Kumpulan hasil penjejakan
parameter fitur penanda secara sekuensial akan membentuk sebuah basis data ekspresi visual
dari wajah manusia.

Abstract

Temporal Coherence Based Feature Tracking in the Animation System of Facial Expression.
High demand on the productivity of the animation industry in Indonesia requires a change
in the existing production process. Motion capture technology is the implementation of a
computer vision principle to adopt the human eye senses to understand the phenomenon of
motion results from a camera and to map the virtual movement patterns. This paper will
discuss a method for tracking marker features in the human face to obtain information about
facial expressions. The tracking technique is using implementation of temporal coherence
principle. This research assumes that by using temporal coherence approach, the tracking
process in sequential images can be simplified by calculating similarity on markers in each
frame. The result shows that this feature-tracking process have reliable result to handle a
lot of frames. The computation used is very efficient and cheap because it does not require
a learning process in advance. The precision accuracy of tracking parameters generated a
database of good visual expression.