JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
1
Database Ekspresi Wajah Perempuan Indonesia Berbasis 2D untuk Pengenalan Emosi Dwi Angga Yulianto, Muhtadin, dan Surya Sumpeno Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111 Email: angga.yulianto10[at]mhs.ee.its.ac.id, muhtadin[at]ee.its.ac.id, surya[at]ee.its.ac.id
Abstrak - Ekspresi wajah memainkan peran yang penting dalam interaksi sosial manusia dengan manusia lainya.Penggunaan pengenalan ekspresi wajah berkembang ke dalam beberapa aplikasi, salah satunya adalah interaksi manusiakomputer.Mesin tidak dapat mengenali ekspresi wajah seperti manusia. Kemampuan mesin untuk mengenali ekspresi wajah dapat dilakukan dengancara pembelajaran mesin. Media pembelajaran mesin salah satunya menggunakan citra. Tugas akhir ini menyusun database ekspresi wajah perempuan Indonesia yang mereferensi JAFFE (Japanese Female Facial Expression). Database yang disusun kemudian diklasifikasi ke dalam emosi dasar manusia yaitu marah, jijik, takut, senang, terkejut, dan sedih. Tahapan pengklasifikasian meliputi ekstraksi fitur yang menggunakan piksel mentah dari pengurangan citra ekspresi selain netral dengan average faces netral. Setelah didapatkan piksel mentah dari semua ekspresi, maka terbentuk vektor fitur. Vektor fitur ini sebagai data yang digunakan untuk pengklasifikasian. Pengklasifikasi menggunakan SVM (Support Vector Machine). Nilai akurasi prediksi menggunakan semua data JAFFE sebesar 88.52 % dan IFFE-2D sebesar 93.75%. Pengujian selanjutnya dilakukan dengan memisahkan satu orang dari masing-masing facial database, sehingga didapatkan nilai akurasi prediksi rata-rata dari data JAFFE sebesar 34.71 % dan IFFE-2D sebesar 30.42 %. Pengujian dilakukan dengan menyisipkan tiga data model dari facial database yang berbeda. Pengujian ini dilakukan untuk mengetahui pengaruh data facial database yang berbeda terhadap nilai akurasi. Nilai akurasi prediksi dominasi data JAFFE sebesar 88.00 % dan IFFE-2D sebesar 88.94 %.
Manusia dapat mengenali emosi individu yang lain secara alami, sedangkan mesin tidak mempunyai kemampuan ini. Mesin atau komputer agar dapat mempunyai kemampuan seperti manusia dalam mengenali emosi, maka diperlukan media pembelajaran komputer. Pada tugas akhir ini media yang digunakan adalah gambar 2D. Penyusunan database ekspresi wajah sudah dilakukan di jepang, yaitu JAFFE (Japanese Female Facial Expression). Database JAFFE merupakan database kumpulan ekspresi wajah perempuan jepang dengan menggunakan warna greyscale. Di Indonesia belum adanya penyusunan database citra wajah perempuan. Citra yang diambil dan disusun sehingga mendapatkan database ekpresi wajah perempuan Indonesia yang nantinya akan disebut sebagai IFFE-2D Database (Indonesian Female Facial Expression 2D Database). IFFE-2D Database berisi ekspresi wajah yang mencerminkan emosi dasar perempuan Indonesia, seperti marah, sedih, senang, terkejut, jijik, takut, dan netral. II. URAIAN PENELITIAN
Pengambilan dan Penyusunan Data IFFE-2D Rancangan Ruang Foto 2D
Pemilihan Ekspresi
Penyusunan IFFE-2D
+
+
+
(n) Netral
n
-
Kata Kunci— IFFE-2D, JAFFE, facial expression, SVM. Citra substraksi (n) Ekspresi
Substraksi (n) Ekspresi – Average Faces Netral
Ekstraksi Fitur
Average Faces Netral
I. PENDAHULUAN
M
anusia mengekspresikan diri dalam bersikap dilakukan dengan gerakan dan raut wajah. Begitu juga emosi dasar pada manusia yang dapat dilihat pada ekspresi wajah. Ekspresi wajah memainkan peranan yang mendasar dalam interaksi sosial dengan manusia lainnya. Manusia sebagai pengguna merupakan objek dari desain interaksi manusia-komputer. Manusia mempunyai emosi alami, setiap manusia satu dengan yang lain berbeda dalam mengungkapkan emosi. Dengan mengetahui emosi pengguna, maka komputer atau kontrol akan melakukan respon yang tepat sesuai dengan pengguna pada saat itu.
X11 X21
X12 X22
Xm1
Xm2
. .
. .
X1d X2d
……. .
SVM
X md
Pengklasifikasian Ekspresi
Piksel Mentah Citra Substraksi (n) Ekspresi
Gambar 1. Tahapan penelitian Tahapan penelitian seperti terlihat pada Gambar 1. Sub tahapantahapan penelitian seperti berikut.
A. Tahapan Pengambilan IFFE-2D Tahapan pengambilan data IFFE-2D seperti terlihat pada Gambar 2.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
2
Mendesain Ruang Foto 2D
A
Menyusun Kamera
Pemilihan Ekspresi
Pengambilan gambar 2D
A Gambar 2. Blok diagram pengambilan data IFFE -2D
Adapun tahapan pengambilan data IFFE-2D, sebagai berikut : 1. Desain ruang foto 2D Pada ruang foto 2D terdapat kursi sebagai tempat duduk model, menggunakan latar belakang berwarna putih, pencahayaan menggunakan lampu ruangan, sehingga diharapkan mendapatkan intensitas cahaya yang sama. 2.
Menyusun kamera Pengambilan gambar sesuai desain ruang foto. Kamera yang digunakan menggunakan pocket kamera Sony DSC-T900. Kamera disusun menggunakan bantuan tripod. Posisi kamera yaitu tegak lurus dengan model dengan posisi 0o posisi wajah dan jarak kamera dengan model sekitar 40 cm. Tripod mempunyai tiga kaki penyangga, sehingga agar posisi tripod tidak berubah pada masing-masing kaki tripod diberik penanda pada lantai. Posisi tripod, kamera dan latar belakang yang sama setiap pengambilan gambar 2D, diharapkan posisi model tetap sama. 3.
Pengambilan gambar 2D Data gambar 2D diambil sebanyak sepuluh orang berjenis kelamin perempuan, kemudian perempuan pada penelitian ini dinamakan model. Setiap model diambil tujuh ekspresi dasar manusia, yaitu: marah, jijik, takut, senang, terkejut, sedih, dan netral. Setiap satu ekspresi pada masing-masing model diambil empat gambar ekspresi.
Penyusunan IFFE-2D
Gambar 3. Blok diagram penyusunan IFFE-2D
Adapun tahapan penyusunan IFFE-2D, sebagai berikut : 1. Pemilihan Ekspresi Pemilihan gambar ekspresi didasarkan pada parameter ekspresi wajah yang dideskripsikan secara tertulis, seperti terlihat pada Tabel 1 [1]. Tabel 1. Parameter ekspresi wajah No Emosi Deskripsi Textual Ekspresi . Dasar Wajah Alis yang santai. Mulut terbuka 1. Happy dan sudut mulut ditarik ke arah telinga. Bagian alis bengkok ke atas. 2. Sadness Mata yang sedikit tertutup. Mulut santai. Alis diangkat dan ditarik bersama-sama. Bagian alis 3. Fear bengkok ke atas. Mata yang tegang dan waspada. Alis bagian dalam ditarik kebawah bersama-sama. Mata 4. Anger terbuka lebar. Bibir yang ditekan terhadap satu sama lain dibuka, sehingga gigi terlihat. Alis dan kelopak mata yang 5. Disgust santai. Bibir atas dinaikkan dan meringkuk, sering asimetris. Alis yang terangkat. Kelopak mata bagian atas terbuka lebar, 6. Surprise mengendurkan rendah. Rahang dibuka. 2.
B. Tahapan Penyusunan IFFE-2D Tahapan penyusunan IFFE-2D seperti terlihat pada Gambar 3.
Penyusunan IFFE-2D Penyusunan IFFE-2D dengan memberikan label data dengan format : nama_model(titik) ekspresi(titik) urutan ekspresi, tujuannya agar mempermudah pengguna dalam menggunakan IFFE-2D. Contoh pemberian label seperti pada Gambar 4.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
3 contoh operasi pengurangan matriks, seperti terlihat pada persamaan 2. 𝑎𝑎−𝑐𝑐 �𝑎𝑎𝑐𝑐 𝑑𝑑𝑏𝑏 � - �𝑔𝑔𝑐𝑐 𝑓𝑓ℎ � = �𝑐𝑐−𝑔𝑔
𝑏𝑏−𝑓𝑓 � ………………… (2) 𝑓𝑓−ℎ
Syarat operasi pengurangan matriks yaitu mempunyai orde yang sama. Hasil dari operasi pengurangan matriks mempunyai orde yang sama.
2.
Gambar 4. Contoh label data IFFE-2D
Seperti terlihat pada Gambar 3 merupakan contoh label data penyusunan IFFE-2D, dengan penjelasan berikut ini : a. TI : dua digit nama singkatan model dari Tia. b. AN : dua digit nama singkatan ekspresi dari angry c. 1 : satu digit digit urutan ekspresi dari empat ekspresi masing-masing model dalam satu ekspresi. d. Setiap blok pada satu nama data dipisahkan dengan tanda titik. C. Tahapan Pengklasifikasian Ekspresi Adapun tahapan pengklasifikasian ekspresi sebagai berikut : 1. Pre-processing Pada tahap ini menggunakan gambar original IFFE-2D dan JAFFE dengan ukuran piksel 256x256, kemudian dilakukan cropping secara manual dengan ukuran 120x168. Citra hasil crop diubah ke dalam citra greyscale. Kemudian dilakukan proses average faces neutral dan substraksi citra yang dapat dijelaskan berikut ini : a. Average Faces Teknik average digunakan untuk mendapatkan nilai rata-rata dari n gambar. Pada proses average faces merata-rata nilai intensitas masing-masing piksel (x,y) gambar 2D. Untuk gambar RGB dengan melakukan operasi pada masing-masing R, G, dan B. Persamaan average faces seperti terlihat pada persamaan 1.
x=
∑𝑛𝑛𝑖𝑖=1 xi 𝑛𝑛
Ekstraksi Fitur Pada penelitian ini menggunakan sistem ekstraksi fitur dengan mengambil data mentah dari hasil pengurangan citra ekpresi selain netral dengan citra average neutral faces.
3.
Pengklasifikasian Pada tahap pengklasifikasian menggunakan weka. Pengklasifikasi pada penelitian ini menggunakan SVM (Support Vector Machine). Setiap data training mempunyai sifat data yang berbeda-beda, sehingga perlu dilakukan optimasi parameter SVM pada kernel yang digunakan. Pada penelitian ini menggunakan kernel RBF (Radial Basis Function). Optimasi parameter RBF pada nilai c (cost) dan g (gamma). Optimasi parameter RBF ini digunakan untuk mendapatkan nilai akurasi yang optimal. III. HASIL PERCOBAAN A. Database IFFE-2D Setelah menyusun, diperoleh database IFFE-2D yang model penyusunannya merefensikan pada JAFFE, terlihat pada Tabel 2. Tabel 2. Implementasi IFFE-2D
No.
IFFE-2D
JAFFE
1.
Angry (Marah)
2.
Disgust (Jijik)
3.
Fear (Takut)
4.
Happy (Senang)
………… ………………… (1)
Dengan : x = rata-rata n = jumlah data xi = data ke-i Substraksi Citra Nilai substrak pada citra didapatkan dengan operasi pengurangan nilai-nilai antara kedua piksel. Pada proses ini semua gambar ekspresi selain netral akan dikurangi dengan average face netral. Berikut ini
Ekspresi
b.
Lanjutan Tabel 2. Implementasi IFFE-2D
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
Neutral (Normal)
6.
Sad (Sedih)
Hasil percobaan I sebagai berikut ini : a. Data set dari IFFE-2D Hasil percobaan menggunakan data set dari IFFE2D sebagai berikut : Tabel 4. Confussion matrix percobaan I pada data set dari IFFE-2D
Data Aktual
5.
4
Surprise (Terkejut)
7.
Kriteria model IFFE-2D yang digunakan seperti terlihat pada Tabel 3.
Keterangan : AN : Angry DI : Disgust
Tabel 3. Kriteria model IFFE-2D
Kriteria Jenis Kelamin Umur Kebangsaan Kelahiran
5.
Profesi
B. Percobaan dan Hasil Pengklasifikasian Ekspresi Pada penelitian ini dilakukan beberapa percobaan dengan menggunakan database IFFE-2D dan JAFFE. Tahapan percobaan dan hasil pengklasifikasian sebagai berikut ini : 1. Percobaan I Pada percobaan I dilakukan percobaan dengan menggunakan semua data set dari IFFE-2D dan JAFFE. Validasi pada percobaan I menggunakan 10-folds crossvalidation masing-masing data set dari facial database. Pada Gambar 5 merupakan blok diagram percobaan I.
Data Prediksi DI FE 0 2 35 2 0 37 1 1 0 0 2 0
AN 38 0 1 0 0 1
FE HA
: Fear : Happy
HA 0 2 0 38 0 0
SA SU
+
….+ n
Data set dari JAFFE Hasil percobaan menggunakan data set dari JAFFE sebagai berikut :
Tabel 5. Confussion matrix percobaan I pada data set dari JAFFE
Ekspresi AN DI FE HA SA SU
AN
29 1 1 0 0 0
Data Prediksi DI FE
1 25 0 0 1 0
0 3 28 2 3 1
HA
SA
SU
0 0 0 26 1 0
0 0 3 3 26 1
0 0 0 0 0 28
Percobaan I nilai akurasi prediksi data set dari database IFFE-2D sebesar 93.75% sedangkan JAFFE sebesar 88.52%. 2.
Percobaan II
IFFE-2D
(n) Netral Tahapan Preprocessing -
Greyscale
Average Netral
Crop
X 11 X 21 . .
Xm1
X 12 X 22 . .
X 1d X 2d .
Xmd
Piksel Mentah Citra Substraksi (n) Ekspresi
SVM
Gambar 5 Blok diagram percobaan I
Data set PI’
Tahapan Ekstraksi Fitur
…….
Xm2
Data set PJ’
Substraksi (n) Ekspresi – Average Netral
Pengklasifikasian
Citra substraksi (n) Ekspresi
SU 0 1 0 0 0 37
: Sad : Surprise
JAFFE +
SA 0 0 2 0 40 0
b.
Keterangan Perempuan 18-25 tahun Indonesia Jawa 60%, Sulawesi 20%, Sumatra 10%, dan Bali 10%. Siswa 70% dan Artis Teater 30%
Data Aktual
No. 1. 2. 3. 4.
Ekspresi AN DI FE HA SA SU
Tahapan Pengklasifikasian Ekspresi
Gambar 6 Desain percobaan II
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
5
Seperti terlihat pada Gambar 6 merupakan desain percobaan II. Database JAFFE terdiri atas ekspresi sepuluh orang model begitu juga dengan IFFE-2D. Masing-masing data setiap model akan dipisah satu per satu sebagai data uji. Pengujian dilakukan dengan dua tahapan, yaitu tahap set PJ’ dan set PI’ sebagai berikut : Data set PJ’. Data set PJ’ merupakan tahapan pengujian dengan menggunakan data dari database JAFFE. Data uji PJ’ merupakan data uji yang tersusun atas data ekspresi wajah dari satu orang pada database JAFFE. pada data uji PJ’ memisahkan satu orang sebagai data uji satu per satu. Data training PJ’ merupakan data training yang tersusun atas sisa orang selain data uji PJ’ pada database JAFFE. Hasil percobaan dengan menggunakan data set PJ’ seperti pada Tabel 6
IFFE-2D
a.
Kode Model
Total Gambar Training
Total Gambar Uji
Akurasi
AN
216
24
45.83 %
UC
216
24
37.50 %
DE
216
24
58.33 %
DM
216
24
12.50 %
HE
216
24
20.83 %
IK
216
24
20.83 %
IS
216
24
20.83 %
MU
216
24
16.67 %
RE
216
24
37.50 %
TI
216
24
33.33 %
Rata-rata akurasi prediksi Tabel 6. Akurasi prediksi percobaan II pada data set PJ’
MK
Total Gambar Training 165
Total Gambar Uji 18
NA
165
18
38.89 %
NM
166
17
47.06 %
Seperti terlihat pada Tabel 7 hasil nilai akurasi pengujian II pada masing-masing kode model database. Nilai akurasi prediksi ini dari semua ekspresi. Nilai akurasi tertinggi IFFE-2D pada kode model DE dengan nilai akurasi sebesar 58.33 %. Nilai akurasi terendah pada model IFFE-2D pada kode model DM dengan nilai akurasi prediksi sebesar 12.50 %. Rata-rata akurasi prediksi sebesar 30.42 %.
TM
165
18
38.89 %
3.
YM
164
19
21.05 %
KA
163
20
30 %
KL
164
19
15.79 %
KR
166
17
35.29 %
UY
165
18
44.44 %
KM
164
19
36.84 %
Kode Model
JAFFE
30.42 %
Akurasi 38.89 %
Percobaan III JAFFE
IFFE-2D
7 Orang model JAFFE
7 Orang model IFFE2D -
ang
3 Or
FE del IF
mo 2D
3 Or
ang m JAFF odel E
Data Set I’
Data Set J’
Rata-rata akurasi prediksi
34.71 %
Seperti terlihat pada Tabel 6 hasil nilai akurasi pengujian II pada masing-masing kode model database. Nilai akurasi tertinggi JAFFE pada kode model NM dengan nilai akurasi prediksi sebesar 47.06 %. Nilai akurasi terendah JAFFE pada kode model KL sebesar 15.79 %. Nilai akurasi prediksi dari nama model dari facial database berbeda-beda, tetapi ada juga yang sama. Rata-rata akurasi prediksi sebesar 34.71 %. b.
Data set PI’ Data set PI’ merupakan tahapan pengujian dengan menggunakan data dari database IFFE-2D. Data uji PI’ merupakan data uji yang tersusun atas data ekspresi wajah dari satu orang dari database IFFE-2D. pada data uji PI’ memisahkan satu orang sebagai data uji satu per satu. Data training PI’ merupakan data training yang tersusun atas sisa orang selain data uji PI’ pada database IFFE-2D. Hasil percobaan dengan menggunakan data set PI’ seperti pada Tabel 7. Tabel 7. Akurasi prediksi percobaan II pada data set PI’
Pengklasifikasian
Gambar 7 Desain percobaan III
Data set J’ dan I’ pada Gambar 7 merupakan data yang digunakan sebagai data yang diklasifikasikan, dengan ketentuan sebagai berikut : a. Data set J’ Data set J’ terdiri dari tujuh model/orang semua ekspresi dari database JAFFE dan tiga ekspresi dari model/orang semua ekspresi dari database IFFE-2D. Pada data set J’ merupakan data yang porsi besar pada database JAFFE. Hasil percobaan dengan menggunakan data set J’ seperti pada Tabel 8.
6
Tabel 8. Confussion matrix percobaan III pada data set J’
mentah dari citra substaksi ekspresi dan mode validasi menggunakan teknik 10-folds cross-validation. 2) Menyusun data set dari facial database, kemudian data set dibagai dua, yaitu data set PJ’ dan PI’. Data set PI’ merupakan data yang disusun dari IFFE-2D, sedangkan PJ’ diambil dari JAFFE. Data set PI’ dan PJ’ terdiri atas data uji dan data training. Data uji PI’ dan PJ’ disusun dengan memisah satu orang semua ekspresi sebagai data uji dan sisanya sebagai data training dari masing-masing sumber facial database. Pengujian dilakukan satu per satu setiap nama model, sehingga diperoleh nilai akurasi prediksi masing-masing nama model. Nilai akurasi prediksi ratarata data set PJ’ sebesar 34.71 %, sedangkan PI’ sebesar 30.42 %. 3) Menyusun data set dari facial database, kemudian data set dibagi dua yaitu data set J’ dan I’. Data set J’ merupakan data yang disusun berdasarkan jumlah dominasi data JAFFE, sedangkan I’ dari dominasi data IFFE-2D. Penyusunan data set J’ dan I’ dilakukan dengan menukar foto ekspresi tiga orang dari facial database ke dalam masing-masing data set. Nilai akurasi prediksi dat set J’ sebesar 88.00 % dan I’ sebesar 88.94 %. Dibandingkan dengan data set tanpa disisipi data facial database lain, penurunan nilai akurasi berdasarkan jumlah data dominan JAFFE sebesar 0.52 % dan data dominan IFFE-2D sebesar 4.81 %.
Data Aktual
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
Ekspresi AN DI FE HA SA SU
Data Prediksi DI FE AN
HA
SA
SU
30 2 1 0 0 0
1 0 0 32 1 1
0 0 4 1 28 1
0 0 1 0 0 31
2 28 1 0 0 0
0 2 27 1 5 0
b. Data set I’ Data set I’ terdiri dari tujuh model/orang semua ekspresi dari database IFFE-2D dan tiga ekspresi dari model/orang semua ekspresi dari database JAFFE. Pada data set I’ merupakan data yang porsi besar pada database IFFE-2D. Hasil percobaan dengan menggunakan data set J’ seperti pada Tabel 9
Data Aktual
Tabel 9. Confussion matrix percobaan III pada data set I’ Ekspresi AN DI FE HA SA SU
AN
32 2 1 0 1 0
Data Prediksi DI FE
3 32 0 2 0 1
0 2 34 0 0 1
HA
SA
SU
0 0 0 36 0 1
2 0 2 0 36 3
0 1 1 1 1 31
Dibandingkan dengan percobaan I , yaitu pengujian pada data set tanpa disisipi data dari facial database yang lain, nilai akurasi akurasi terendah pada posisi kelas emosi yang berdeda. Pada percobaan I nilai akurasi tertinggi pada kelas emosi sad, sedangkan percobaan III pada kelas emosi disgust. Begitu pula perbedaan pada nilai akurasi terendah. Percobaan I nilai akurasi terendah pada kelas emosi fear, sedangkan percobaan III pada kelas emosi disgust. Nilai akurasi prediksi keseluruhan apabila dibandingkan antara percobaan I dan III terlihat pada Tabel 10. Tabel 10. Perbandingan nilai akurasi percobaan I dan III Data set Akurasi Akurasi Selsisih dengan porsi Percobaan I Percobaan Akurasi besar III JAFFE 88.52 % 88.00 % 0.52 % IFFE-2D
93.75 %
88.94 %
4.81 %
Seperti terlihat pada Tabel 4.16 data set dengan porsi besar di JAFFE mengalami penurunan nilai akurasi prediksi sebesar 0.52 %, sedangkan data set dengan porsi besar di IFFE-2D turun sebesar 4.81 %. IV. KESIMPULAN DAN SARAN A. Kesimpulan Dari hasil percobaan pengklasifikasian emosi dalam tugas akhir ini dapat diambil beberapa kesimpulan sebagai berikut : 1) Nilai akurasi prediksi menggunakan data set dari semua data IFFE-2D sebesar 93.75% dan JAFFE sebesar 88.52 % menggunakan nilai intensitas piksel raw atau piksel
B. Saran 1) Penggunaan model ekspresi untuk jenis kelamin laki-laki, sehingga didapatkan ekspresi yang bervariatif. 2) Memanfaatkan fitur warna RGB database IFFE-2D, mengingat banyaknya penggunaan gambar 2D berwarna RGB. DAFTAR PUSTAKA [1] A. M. Tekalp and J. , Ostermann, Face and 2-d mesh animation in mpeg-4, ”Signal Processing: Image Communication”, vol. 15, no. 4-5, pp. 387–421, 2000. [2] Zhang, Ligang, Student Member, IEEE, and Dian Tjondronegoro. “Facial Expression Recognition Using Facial Movement Features”, IEEE Transactions On Affective Computing, Vol. 2, No. 4, October-December 2011. [3] Vapnik, Vladimir N. , “An Overview of Statistical Learning Theory”. IEEE Transactions OnNeural Networks, Vol. 10, No.5, September 1999. [4] A.S., Nugroho, Witarto, A.B., Handoko, D., “Application of Support Vector Machine in Bioinformatics", Proceeding of Indonesian Scientific Meeting in Central Japan, December 20, Gifu-Japan, 2003. [5] Lee, Byungsung, Junchul Chun, Poem Park, “Classification of Facial Expression Using SVM for Emotion Care Service”, IEEE Computer Society, 978-07695-3263-9/08, Department of Computer Science, Kyonggi University, Suwon, Korea, 2008.
