estimasi parameter facegen modeler untuk 3d face generating khas indonesia

Estimasi Parameter FaceGen Modeler Untuk Untuk 3DFace-Generating Khas Indonesia

Setiawan Hadi dan Dian Nursantika

Universitas Padjadjaran

[email protected]

1 Februari 2014

S. Hadi & D. Nursantika (UNPAD) Estimasi Parameter FaceGen Modeler 1 Februari 2014 1 / 35

Agenda

1 Pendahuluan

2 Representasi Wajah

3 Algoritma Pemodelan Wajah 3D

4 FaceGen Modeler

5 Pen-generate-an Wajah

6 Data Wajah Khas Indonesia

7 Evaluasi Data Penelitian

8 Kesimpulan


Penelitian tentang wajah masih up-to-date


Unsolved Problems

UniquenessPersistence (aging problem, ...)Image qualityVariabilities (disguising, positioning, ...)RacesComputing powerVulnerabilitiesetc.


Unsolved Problems


Aplikasi Biometrik

E-KTP, Passport, Karpeg Elektronik, Absensi Sidik Jari, AbsensiGeometrik Tangan, dll.


Races


Indonesia Ethnic Group

Sumber : wikipedia


Indonesia Ethnic Group

Sumber : wikipediaS. Hadi & D. Nursantika (UNPAD) Estimasi Parameter FaceGen Modeler 1 Februari 2014 13 / 35

Wajah Khas Indonesia

Sumber : kompasianaS. Hadi & D. Nursantika (UNPAD) Estimasi Parameter FaceGen Modeler 1 Februari 2014 14 / 35

Wajah Khas Indonesia

Bagaimana memodelkan wajah khas Indonesia?


Representasi Wajah

Gambaran UmumWajah dapat dimodelkan sebagai sebuah fungsi yang mengandungnilai-nilai parameter yang cukup banyak dan bervariasi.Model wajah dapat direpresentasikan sebagai sebuah kombinasi linierdari wajah netral [9] dan sejumlah metrik wajah.Metrik wajah didefinisikan sebagai sebuah vektor yang mendeformasiwajah dalam hal tertentu misalnya membuat wajah semakin lebar,membuat hidung semakin besar, membuat bibir semakin tipis dansebagainya.


Representasi Wajah

Model MatematikaModel wajah

S = (vT1 , . . . , vT

n )T dimana vi = (Xi ,Yi ,Zi)T (i = 1, . . . n)

Model metrik wajah

M = (δv1, . . . , δvn)T dimana δvi = (δXi , δYi , δZi)

T

Apabila diberikan sebuah wajah netral, dan sebuah himpunan m metrik wajah

M j = (δv jT0 , . . . , δv jT

n )T

maka ruang linier geometrik wajah dapat ditentukan sebagai

S = S0 +m∑

j=1cjM j dimana cj ∈ [l j , uj ]

cj adalah koefisien metrik wajah; lj , dan uj adalah nilai yang sahih dari cj .


Visualisasi Wajah

Wajah Netral

194 verteks dan 360 poligon


Visualisasi Wajah

Wajah Wireframe

6.292 verteks dan 6152 poligon


Visualisasi Wajah

Feature Points Wajah

29 feature points


Algoritma Pemodelan Wajah 3D

1. Akuisi data wajah2. Lakukan rekonstruksi dan reposisi (pose recovery)

1. Algoritma deteksi pojok2. Penentuan posisi kepala3. Rekonstruksi 3D4. Pencocokan model (model fitting)

3. Generate tekstur1. Penentuan gerakan kepala2. Generate citra silindris3. Image blending

4. Diperoleh wajah dengan tekstur 3D


FaceGen Modeler


FaceGen Modeler

Parameter UtamaGenerate : memiliki opsi-opsi antara lain untuk pen-generate-an etnik, pengaturan

gender, umur, proses morphing antar ras dan sebagainyaView : memiliki opsi-opsi antara lain untuk pengaturan shading, tekstur, latar

belakang dan pencahayaanCamera : memiliki opsi-opsi antara lain untuk pengaturan posisi horizontal dan

vertikal dari kameraShape : memiliki opsi-opsi pengaturan posisi dan bentuk elemen wajah antara

lain bentuk alis, pipi, dagu, hidung dan elemen-elemen wajah lainnya.Pengaturan bisa dilakukan secara simetrik maupun asimetrik denganinterval nilai -10 sampai dengan 10

Texture : memiliki opsi-opsi pengaturan tekstur elemen wajah antara lainketebalan alis, penambahan elemen janggut dan kumis dan pengaturanketebalannya, pengaturan warna bibir (lipstik) dan sebagainya

Morph : memiliki opsi-opsi yang berkaitan dengan ekspresi wajah misalnyamarah, tersenyum, lebar mata dan posisi bibir saat mengucapkansebuah suku kata


Pen-generate-an Wajah

4 Ras Dasar

Afrika, Eropa, Asia Tenggara dan India Timur



Parameter Default : SHAPE



Parameter Default : TEXTURE



Parameter Default : SHAPE dan TEXTURE


Data Wajah Khas Indonesia

Karakteristik Data



AlgoritmaTentukan: etnik South East Asian, Karakter Typical, Kesimetrisan Typical

Untuk setiap Gender ke-i dimana i bernilai Pria dan Wanita, lakukan

Untuk setiap Usia ke-j dimana j bernilai 20, 35, 50, 65, lakukan

Generate Wajah Indonesia F(Gender ke-i, Usia ke-j),sebanyak n buah,dimana n adalah banyaknya data yang diperlukan,dalam penelitian ini diambil n=5.

Simpan data parameter dan gambar dengan formatgender-usia-nomor, misalnya P-30-02,artinya parameter Pria dengan Usia 30 dan Data ke-2.



Contoh Data


Evaluasi Data Penelitian

Mekanisme Evaluasi


Evaluasi Data Penelitian

Hasil Evaluasi


Kesimpulan

1 Wajah khas Indonesia dalam bentuk 3D dapat di-generate menggunakan FaceGenModeler dengan mengatur parameter dan nilai opsi yang tersedia

2 Berdasarkan evaluasi dari 10 evaluator, tingkat akurasi yang diperoleh daripen-generate-an wajah khas Indonesia menggunakan FaceGen Modeler relatifcukup tinggi.

3 Tidak semua parameter dan opsi-opsi dalam parameter, digunakan dalampenelitian ini. Untuk perluasan, bisa dimanfaatkan parameter dan opsi-opsi lainmisalnya pengaturan letak, ukuran dan bentuk dari elemen-elemen dalam wajah

4 Parameter wajah khas Indonesia yang tersimpan sebagai data tekstual dapatdigunakan sebagai acuan dasar untuk melakukan penelitian lebih lanjut, misalnyadalam penentuan ekspresi, disguisi serta rekonstruksi wajah dan faktor-faktor lainyang mempengaruhi wajah.

5 Untuk memperkuat penerapan penelitian ini, pengetahuan fundamental tentangmetode yang digunakan baik secara umum maupun yang ada dalam FaceGenModeler merupakan hal yang penting untuk dilakukan.


Referensi[1] Klontz, J.C., Jain, A.K., 2013, A Case Study of Automated Face Recognition: TheBoston Marathon Bombing Suspects”, IEEE Computer, November, 2013.

[2] , Biometrics Research Group, http://biometrics.cse.msu.edu/pubs/face.html

[3] Hadi, S., Ahmad, A. S., Suwardi, I. S. and Wazdi, F., 2006, Human Face Cropping inDigital Image, Prosiding SITIA

[4] Jain, A.K., 2013, 50 Years of Biometric Research: Almost Solved, The Unsolved, andUnexplored, The International Conf. on Biometrics, Madrid, Spain.

[5] Katsikitis, M. (Editor), 2002, The Human Face: Measurement and Meaning, KluwerAcademic Pub.[6] , FaceGen Modeller, 2013, Singular Inversions Canada

[7] Schwind, V. 2011, The Golden Ratio in 3D human face modeling

[8] McDonnell, R. and McNamara, 2012, A., Application of the Golden Ratio to 3D FacialModels[9] Zhang, Z., Image-Based Modeling of Objects and Human Faces, 2001, MicrosoftResearch, Proceedings of SPIE Conference Videometrics and Optical Methods for 3DShape Measurement.

[10] Widanagamaachchi, W.N. and Dharmaratne, A.T., 2008, 3D Face Reconstructionfrom 2D Images: A Survey, Proceedings of IEEE Digital Image Computing: Techniquesand Applica tions Conference (DICTA), Canberra, Australia.S. Hadi & D. Nursantika (UNPAD) Estimasi Parameter FaceGen Modeler 1 Februari 2014 34 / 35

Terimakasih Atas Perhatiannya


estimasi parameter facegen modeler untuk 3d face generating khas indonesia

Software