A Review On Lip Motion Detection Using Contour Detection Method

Computer Science Faculty, Sriwijaya university, Palembang, Indonesia

Email : dafamazer@yahoo.co.id
Abstract. Sistem deteksi belakangan ini sudah banyak dikembangkan dalam berbagai bidang
dan berbagai kepentingan. Pada bidang keamanan telah banyak alat dan aplikasi pendeteksi
salah satu organ tubuh, seperti sidik jari dan kornea mata yang digunakan sebagai password
untuk masuk ke sistem. Salah satu deteksi yang dapat diimplementasikan pada komputer secara
sederhana adalah sistem deteksi gerak bibir. Metode skin colour segmentation dilakukan untuk
ekstraksi visual sebelum citra diolah. Selanjutnya memakai metode contour detection untuk
pengolahan citra yang didapat dengan menggunakan library OpenCV. Ini merupakan tulisan
untuk menganalisis penggunaan metode kontur deteksi dalam penerapannya mendeteksi dan
mengolah citra gerakan bibir yang telah dilakukan dan dipublikasikan dalam jurnal.
Keywords: Lips motion, Contour detection method,

Teknik mendeteksi gerak bibir melalui

image

1. INTRODUCTION

memerlukan

Berbagai metode lokalisasi bibir telah

dijelaskan dalam literatur selama 15 tahun
terakhir. Pendekatan dasar yang
adalah

pada

warna

dan

populer
intensitas

thresholding untuk segmen bibir dari sisa

wajah. (Prof. Samir K. Bandyopadhyay,
2011) Biasanya bibir telah dialokasikan
dengan mencocokkan bentuk sekitar mulut
secara tersegmentasi, di mana banyak teknik
diselidiki.

dengan

ekstraksi

metode

untuk

fitur

visual

mendeteksi

pergerakan bibir pembicara melalui urutan

image. Deteksi gerak bibir dipengaruhi oleh
variabilitas pembicara dari segi warna kulit,
warna

bibir,

lebar

bibir,

dan

jumlah

pergerakan bibir selama berbicara, serta

variabilitas

terhadap

lingkungan

seperti

kondisi pencahayaan. Deteksi kontur bibir

dan pelacakan adalah syarat yang

paling

penting untuk membaca ucapan yang bisa

dikomputerisasi. Beberapa pendekatan telah
diusulkan untuk pelacakan bibir setelah

kontur bibir yang akurat diinisialisasi pada

frame pertama.
(Aryuanto

Soetedjo dkk, 2010) detektor bibir yang

berdasarkan thresholding adaptif untuk ronaperubahan citra wajah mulai diusulkan.
Adanya perubahan RGB ke ruang warna hue
& saturasi untuk pertama kalinya karena
fakta bahwa wilayah bibir cukup seragam
untuk suatu cakupan luas dari warna bibir
dalam warna hue atau ruang saturasi. Pada
jurnal Lips detection based on Normalized
RGB chromacity diagram digunakan metode
fuzzy fungsi keanggotaan yang diusulkan
untuk mengontrol ambang batas untuk
mendeteksi daerah bibir. Dalam pengenalan
pola terdapat banyak metode untuk mengolah
suatu image yang didapat. Setiap metode
yang digunakan untuk mendeteksi gerakan
bibir saat berbicara, bibir harus sesuai dari
image ke image, agar stabil dan tidak
terpengaruh oleh penampilan dari gigi dan
lidah. Pada ekstraksi fitur visual pendeteksi
dan pembacaan gerak bibir merupakan
pekerjaan yang sulit karena konteks yang
begitu sensitive. Bukan hanya mengenali
bentuk mulut, tapi juga memprediksi apa
yang diucapkan oleh mulut setelah citra
diolah.

dari

penelitian

ini

adalah

menghasilkan aplikasi deteksi gerak bibir

Ada banyak penelitian pada Deteksi

dan segmentasi bibir. Dalam

Tujuan

menggunakan metode contour detection dan

menerapkan sistem deteksi gerak bibir itu
pada aplikasi pendeteksi huruf .
Beberapa metode yang telah disajikan
untuk mendeteksi kontur bibir adalah metode
watershed segmentation, active shape model,
kurva bezier atau snakes, dan lain lain.
Pada penelitian ini penulis memakai metode
contour detection untuk pengolahan citra
yang didapat dengan menggunakan library
OpenCV. Serta menggunakan metode skin
colour segmentation pada ekstraksi visual
sebelum

citra

diolah.

Untuk

softaware

pengolahnya penulis menggunakan Microsoft

Visual Studio C++.

2. METHOD
Pencarian makalah tentang deteksi bibir
dilakukan dengan cara open acces journal
melalui

internet.

Pencarian

Elektronik

menggunakan kombinasi beberapa ketentuan

sebagai

berikut:

deteksi

detection, pengolahan citra

bibir,

contour

3. RESULT AND DISSCUSION

Comissura labial. Celah Mulut, Zona antara

bibir superior dan inferior yang dapat dibuka

3.1 Anatomi Bibir

atau ketika bibir kontak satu sama lain atau

Bibir adalah struktur berdaging sangat

vaskular yang menjaga pintu masuk ke
rongga mulut. Anatomi bibir terdiri dari:

ditutup.
3.2 Ekstraksi Citra Bibir
Basis ruang warna (color space) dan
bentuk (shape) dapat digunakan dalam
ekstraksi ciri bibir. Ruang warna mengenali
ciri wajah dengan cara membedakan antara
warna ciri yang dicari dengan warna kulit
sedangkan bentuk bibir mendeteksi dengan
mencari ciri pada wajah dengan bentuk yang
sesuai dengan bentuk ciri yang dicari.
Sehingga ekstraksi ciri menjadi faktor yang

Gambar 1. Anatomi bibir

sangat berperan dalam keberhasilan deteksi

ciri wajah.

Zona Vermilion, yaitu bagian merah pada

bibir yang disebabkan karena bagian ini kaya
akan vaskularisasi yang dapat terlihat melalui
epitelium tipis. Vermilion Border, yaitu garis
tepi zona vermilion yang merupakan batas
antara zona vermilion dengan kulit.Philtrum,
turunan/lekukan kecil vertikal yang dangkal
di garis

tengah hidung ke perbatasan

vermilion atas.Tuberkulum Labial, tonjolan

berdaging tepat di bagian inferior dari
philtrum. Comissura Labial, lipatan tipis
jaringan yang mudah terlihat ketika bibir
terbuka yang menghubungkan bibir atas dan
bawah pada bagian lateral. Comissura Lip
Pit,

Lekukan

kecil

di

tengah-tengah

Menurut (Mohamed Kamel, 1991) dalam

fase ini, gambar graysale pertama kali
ditangkap

dan

digitalisasi

menggunakan

scanner atau kamera video, kemudian citra

biner diekstrak dari citra grayscale asli
menggunakan techique ekstraksi tertentu. Itu
sudah cukup untuk mewakili karakter atau
gambar grafis dalam citra biner yang akan
lebih efisien untuk transit dan proses bukan
asli gambar grayscale.

3.3 Ciri Bibir

Deteksi bibir pada citra wajah didasarkan
pada ciri bibir yang dapat dijadikan tolak
ukur perbedaan antara ciri bibir dengan ciri
wajah yang lain. Sejumlah ciri dari bibir
terlebih

dahulu

harus

dikenali

untuk

kemudian diekstrak menggunakan metode

yang

dengan

berdasarkan

ciri

tepat

mengenali

tersebut.

Selain

bibir
untuk

pengenalan wajah, ciri bibir juga digunakan

untuk pembacaan pergerakan bibir dan
ekspresi wajah. Sejumlah metode deteksi
bibir telah dikembangkan berdasarkan ciri

Gambar 3. Ciri Lengkung Bentuk Bibir

dimana A1 dan A2 adalah titik pojok
bibir, H adalah tinggi dari lengkung
bibir, W adalah lebar lengkung bibir, B1
dan B2 adalah titik tengah bibir bagian
atas dan bagian bawah yang semuanya
merupakan ciri penting dari bibir.

bibir berikut ini :

b. Warna Bibir (Lips Color)

a. Lengkung Bibir (Lips Contour)

Bibir memiliki lengkung pada bagian
dalam (inner) dan luar (outer) yang
membentuknya berbeda dengan ciri
wajah yang lain. Untuk mengekstrak
batas bibir merupakan pekerjaan yang
sangat sulit karena lengkung bibir
memiliki tingkat perubahan yang cukup

Warna yang berbeda dengan warna kulit

merupakan

ciri

lain

dari

bibir.

Perbedaanya dapat ditunjukan untuk

tiap komponen warna RGB. Warna
banyak digunakan pada analisis wajah
salah satunya untuk segmentasi.
3.4 Webcam

tinggi (highly variabel). Bentuk bibir

diklasifikasikan menjadi 6 (enam),

3.5 OpenCV

yaitu bagian atas menonjol, bagian

3.6 Visual C++

bawah menonjol, biasa, sumbing, tebal,

Aplikasi pendeteksi gerak bibir ini

dan tipis. Secara matematis lengkung

akan deprogram menggunakan Visual C+

bibir

+. Visual C++ adalah sebuah produk

dapat

digambarkan

sebagai

segmen elips atau kombinasi dari dua

Integrated

buah elips yang tidak beraturan.

(IDE) untuk bahasa pemrograman C dan

Development

Environment

C++

yang

dikembangkan

Microsoft.

proses

pengelompokkan

citra

menjadi

Visual C++ merupakan salah satu bagian

beberapa region berdasarkan kriteria tertentu.

dari paket Microsoft Visual Studio.

Berdasarkan

Microsoft Visual C++, ini adalah salah

memiliki tujuan menemukan karakteristik

satu aplikasi yang memiliki fungsi untuk

khusus yang dimiliki suatu citra. Oleh karena

membuat atau mengembangkan aplikasi

itulah, segmentasi sangat diperlukan pada

yang sudah ada, baik itu aplikasi untuk

proses

keperluan bisnis, aplikasi web, game.

kualitas segmentasi maka semakin baik pula

pengertiannya

pengenalan

pola.

segmentasi

Semakin

baik

kualitas pengenalan polanya.

.
3.7 Metode Pengolahan Citra

4. CONCLUSION

Pada (J.M Zhang, 2003) metode red

exlclusion diterapkan untuk meningkatkan
citra

bibir.

Sehingga

memudahkan

pemisahaan wilayah bibir dari skin image

melalui teknik tresholding lebih lanjut.
(Jamal Ahmad Darghan, 2006) menghadirkan
suatu cara mendeteksi bibir dengan cara
normalisasi RGB pola warna. Warna citra
yang

baru

kemudian

masuk

juga

tersegmentasi,

dinormalisasi
terbagi

dan

menghasilkan pixel kulit.

Segmentasi adalah suatu teknik untuk

membagi suatu citra menjadi beberapa daerah
(region) di mana setiap daerah memiliki
kemiripan atribut. Segmentasi citra pada
umumnya berdasar pada sifat diskontinuitas
atau kesamaan (similarity) dari intensitas
piksel. Segmentasi citra merupakan suatu

Untuk menghasilkan aplikasi deteksi

gerak bibir menggunakan metode contour
detection dan menerapkan sistem deteksi
gerak bibir itu pada aplikasi pendeteksi huruf
dibutuhkan metode skin colour segmentation
pada ekstraksi visual sebelum citra diolah.
Serta

metode

pengolahan

contour

citra

yang

detection
didapat

menggunakan library OpenCV.

untuk
dengan

H. Shirgahi, S. Shamshirband, H. Motameni

and P. Valipour, A New Approach for
Detection by Movement of Lips Base
on Image Processing and Fuzzy Decision
WASJ, 2008.
Prof. Samir K. Bandyopadhyay, Lip
contour detection technique based on front
view of face JGRC, 2011.
Aryuanto Soetedjo, Koichi Yamada, F. Yudi
Limpraptono, Lips detection based on RGB
Normalized Chromacity Diagram, 2008
P. Felzenszwalb and D. McAllester, A mincover approach for finding salient curves
POCV, 2006.
Gambar 7. Konsep dasar system deteksi

REFERENCES

Nicolas Eveno, Alice Caplier, Pierre-Yves

Coulon, Accurate and quasi-automatic lip
tracking, IEEE Trans. Circuits Syst. Video
Technology, vol. 14, no. 5, pp. 706-715,
2004.
Paul Kuo, Peter Hillman and John Hannah,

Pablo Arbelaez, Michael Maire, Charless

Improved Lip Fitting and Tracking For

Fowlkes and Jitendra Malik, " Contour

Model-Based

Detection

International

Conference

Information

Engineering

and

Hierarchical

Image

Segmentation" IEEE, 2009.

C. Lawrence Zitnick AND Devi Parikh, The
Role of Image Understanding in Contour
Detection , Redmond, 2012.

Multimedia

and
on

Coding,
Visual

Conference,

Glasgow, UK, pp. 251-258, 2005.

Eveno N, Caplier A, Coulon P Y A
new color transformation for lips
segmentation. IEEE, 2001.