Anda di halaman 1dari 8

PENGENDALIAN MODEL 3 DIMENSI WAJAH MELALUI PENDETEKSIAN DAN

TRACKING TITIK FITUR WAJAH

Sub Judul :
FACIAL FEATURE TRACKING BASED TEMPLATE MATCHING ON IMAGE SEQUENCE

Bitaria Citra Dewi , Zulfan Hakim Sritrusta Sukaridhoto , Dadet Pramadihanto


Mahasiswa Jurusan Teknik Telekomunikasi1 , Dosen Pembimbing 2
Politeknik Elektronika Negeri Surabaya
Institut Teknologi Sepuluh Nopember
Kampus PENS-ITS Keputih Sukolilo Surabaya 60111
Telp (+62)31-5947280, 5946114, Fax. (+62)31-5946114
Email: bitaria@kebo.vlsm.org, zulfan@kebo.vlsm.org

Makalah Proyek Akhir

Abstrak - Belakangan ini banyak dilakukan penelitian terhadap obyek berupa wajah untuk mendeteksi
gerakan wajah terutama ekspresi wajah. Dari pendeteksian wajah maka banyak informasi yang dapat diperoleh,
misalnya identifikasi wajah dan analisa ekspresi wajah.
Untuk menampilkan ekspresi wajah yang diambil dari sample wajah melalui kamera digunakan sebuah model
animasi 3D . Dengan model ini , user dapat mengendalikan sebuah sistem animasi wajah melalui tahapan proses
clustering menggunakan algoritma kmeans, pendeteksian wajah dengan metode integral proyeksi, pendeteksian
fitur-fitur wajah dan titik-titik fitur wajah pada image hasil gabungan inversi daerah kulit dan deteksi tepi
menggunakan operator sobel. Kemudian dilakukan tracking pada titik-titik tersebut dari frame satu ke frame yang
lain secara berurutan untuk menghasilkan gerakan yang dinamis.
Setelah ditentukan titik-titik wajah dan fitur-fitur wajah maka untuk mendapatkan sebuah model wajah 3D,
titik-titik tersebut digambarkan menjadi suatu model wireframe, kemudian tekstur mapping bisa dilakukan terhadap
gambar wajah pada model wireframe tersebut.
Dalam makalah ini, telah berhasil dibuat model wajah 3D dari gambar 2D berdasarkan hasil pendeteksian
titik fitur wajah.

Kata Kunci – Kata kunci : pendeteksian wajah, pendeteksian fitur-fitur wajah, pendeteksian titik-titik fitur wajah,
clustering, kmeans, integral proyeksi, inversi, deteksi tepi, sobel operator, wireframe, texture mapping.
.
I. Pendahuluan seperti manusia mampu memahami manusia lainnya
saat melakukan interaksi. Seakan-akan komputer
1.1 Latar Belakang dapat merasakan juga apa yang dirasakan oleh
manusia dan nantinya dimungkinkan akan
membentuk suatu aksi dan interaksi antara keduanya.
Tracking atau sistem penjejakan wajah
merupakan salah satu pengembangan dari pengolahan
citra (image processing) dimana metode ini telah Dalam hal ini akan dilakukan pemrosesan
diaplikasikan dalam banyak sistem, sebagai video yang diambil dari kamera. Video tersebut akan
contohnya aplikasi ini dapat digunakan untuk diproses tiap framenya, yaitu dengan langkah awal
melacak posisi wajah seseorang sekaligus mengenali membuat template menggunakan frame pertama.
pergerakan wajah beserta fitur-fiturnya. Sehingga Template inilah yang nantinya akan ditracking,
dengan dikenali wajah tersebut dapat diaplikasikan sehingga akhirnya dapat diketahui perpindahan titik-
pula untuk pengenalan ekspresi wajah seseorang. titik fitur tersebut pada frame kedua dan seterusnya .

Pengenalan ekspresi adalah salah satu riset Dari perpindahan titik-titik hasil proses
yang menarik dalam hal mengenali tingkah laku tracking tersebut untuk selanjutnya digambarkan
manusia. Sejumlah eksperimen akan dilakukan dalam bentuk wireframe lalu dipetakan tekstur
dengan tujuan menentukan emosi manusia, sehingga gambar wajah yang sesuai dengan letaknya untuk
komputerpun mampu mengenali ekspresi manusia dijadikan pemodelan wajah 3D.
1.2 Permasalahan OpenGL adalah software (perangkat lunak)
Perumusan masalah yang dapat disimpulkan interface perangkat keras grafik. Interface ini terdiri
dari pembuatan proyek akhir ini adalah : dari sekitar 150 command atau perintah yang berbeda
yang biasa digunakan untuk menentukan objek dan
operasi yang dibutuhkan untuk menghasilkan aplikasi
• Bagimana melakukan pengambilan gambar tiga dimensi yang interaktif.
bergerak dari suatu wajah OpenGL didesain untuk memperlancar, di
• Bagaimana mengkonversi file yang berupa implementasikan pada banyak jenis perangkat keras
video tersebut menjadi file frame atau static yang berbeda. OpenGL tidak menyediakan command
image (perintah) untuk menggambarkan model dari objek
tiga dimensi, kita harus membangun model yang
• Bagaimana membuat template yang diinginkan dari satu set kecil dari geometri seperti
nantinya akan dicari pergeserannya dengan titik, garis, dan poligon.
frame selanjutnya dari frame pertama Library yang menyediakan fitur ini tentunya
bisa dibuat dengan OpenGL. The OpenGL Utility
• Bagaimana melakukan tracking pada titk- Library (GLU) menyediakan beberapa fitur
titik fitur wajah yaitu dengan menghitung modeling, seperti permukaan kuadrik, kurva, dan
korelasi diantara keduanya yaitu antara bentuk-bentuk lainnya. GLU adalah bagian standar
template dan current frame dari setiap implementasi OpenGL.
• Bagaimana membaca data-data wireframe Fungsi-fungsi OpenGL dimuat didalam 2 library
hingga bisa digambarkan model yang disebut dengan gl dan glu (atau GL dan GLU).
wireframenya. Library yang pertama, adalah fungsi utama dari
• Bagaimana menentukan koordinat-koordinat OpenGL, berisi semua fungsi OpenGL yang
fitur wajah yang belum diketahui. dibutuhkan sedangkan yang kedua, the openGL
Utility Llibrary (GLU) memuat fungsi yang ditulis
• Bagaimana Memodelkan suatu gambar 2D menggunakan fungsi dari library utama dan sangat
menjadi bentuk gambar 3D. membantu bagi pengguna. Fungsi utama mempunyai
nama yang diawali dengan “gl” seperti
1.3 Batasan Masalah “glVertex3f()”, sedangkan fungsi didalam GLU
Dalam tugas akhir ini permasalahan hanya mempunyai nama yang diawali dengan “glu” seperti
difokuskan pada pembahasan perangkat lunak yang “gluOrtho2D()”.
meliputi metode dan program-program untuk
membangun suatu model wajah 3D melalui
pndeteksian titik-titik fitur wajah dengan batasan 2.2 PLIB
sebagai berikut : PLIB merupakan singkatan dari Portable
Dalam hal ini, wajah model yang akan Game Library. PLIB merupakan kumpulan pustaka
diidentifikasi : yang mendukung untuk pembuatan sebuah aplikasi
grafik yang menggunakan bahasa pemrograman C++
• Pengidentifikasian hanya terfokus pada dan platform grafik openGL. Tujuan dari pembuatan
wajah dan hanya dengan tanpa atau sedikit PLIB ini untuk lebih memudahkan proses pembuatan
pergerakan sebuah applikasi dalam menangani proses grafik
seperti manajemen window, penanganan sistem
• Hanya satu wajah yang di capture tiap
suara, joystick, dan perangkat lainnya. PLIB
prosesnya
dilengkapi dengan pustaka efek suara, 3D engine,
• Pada wajah tidak ada kacamata,kumis dan Font Rendering, pustaka window sederhana, script
jenggot bahasa pemrograman game, pustaka metematis 3D,
dan koleksi pustaka lainnya. Seluruh API yang
• Hanya melakukan pengambilan video wajah terdapat dalam pustaka PLIB dibangun dengan
dalam ruangan dengan keadaan pencahayaan yang arsitektur permrograman berorientasi objek, hal ini
baik. akan lebih memudahkan ketika penanganan atau
pemanggilan objek yang telah dibuat. PLIB berjalan
II. DASAR TEORI dalam platform sistem operasi Windows dan Linux
dengan lisensi open source. Saat ini PLIB versi
2.1 Pemrograman OpenGL di Linux terbaru adalah 1.8.4, kode source bisa di dapat di
alamat situs
http://plib.sourceforge.net/download.html. nama dan Salah satu standart untuk pengukuran
penjelasan mengenai pustaka yang terdapat di dalam kemiripan antara fungsi f(x) dan template t(x) adalah
PLIB sebagai berikut. jarak Euclidean d(y) yang dikuadratkan, dijelaskan
dengan persamaan sebagai berikut ;

2.3 VIDEO FOR LINUX d(y) 2 = ∑ x


[ f(x) - t(x-y)] 2 (1)
Device
Video4Linux merupakan kumpulan API M
yang berfungsi untuk penanganan video pada sistem dengan ∑ artinya ∑ , untuk beberapa M, N
operasi linux. Bagi yang telah familiar dengan sistem x
x =−M
operasi linux, Video4Linux biasanya sering dikenal didefinisikan ukuran dari luas template. Jika gambar
dengan “/dev/bttv”. /dev/bttv ini juga membentuk pada titik y cocok maka d(y)=0, jika tidak maka
symlink ke /dev/video0. d(y)>0. Perluasan ekspresi untuk d 2 dapat dilihat
Klasifikasi perangkat video pada sistem
dengan persamaan;
operasi linux berdasarkan type Minor Range adalah
sebagai berikut :
d 2 (y) = ∑
x
[ f 2 (x) – 2f(x)t(x-y) + t 2 (x-y) ]
Nama Device: jarak minor: Fungsi: (2)
/dev/video 0-63 Interface
penangkapan video sebagai catatan bahwa ∑ t 2 (x-y) adalah konstan
/dev/radio 64-127 peralatan radio x

AM/FM
/dev/vtx 192-223 chip untuk
dan dapat diabaikan . Ketika ∑x
f 2 (x) kurang
perantara Teletext lebih konstan ini juga dapat dipotong, hal ini disebut
/dev/vbi 224-239 Raw VBI data sebagai cross corelation antara f dan t.
(Intercast/teletext)
R ft (y) = ∑ f (x) t (x-y)
Pada dasarnya program Video4Linux x

melakukan proses pembukaan dan pencarian sebuah (3)


perangkat yang terkoneksi dengan sebuah PC yang 2.6 Wireframe Model
berjalan dengan sistem operasi linux. Kemampuan Wireframe model mungkin cara terlama dalam
untuk pencarian ini sepenuhnya ditangani oleh fungsi merepresentasikan gambar solid, tepatnya
API yang ada dalam Video4Linux, namun tidak dikembangkan pada awal tahun 1960-an. Tetapi
semua fungsi API yang ada mampu berjalan pada sebelum itu hanya ada system 2D yang membuat kita
sebuah perangkat video. Hal ini bergantung pada harus membuat sebuah model dengan titik per titik
jenis perangkat yang digunakan. atau baris per baris. Wireframe data terdiri dari 2
tabel, yaitu tabel vertex dan tabel edge. Tabel vertex
berisi sebuah vertex (titik) dengan nilai koordinatnya.
2.4 TEMPLATE MATCHING Sedangkan tabel edge berisi titik awal dan titik akhir
dari tiap tepi (edge), tepi tersebut bisa berupa kurva
Template matching adalah metode atau garis.
pemfilteran yang sederhana dari pendeteksian fitur Wireframe ini disimpan sebagai struktur data.
tertentu dalam sebuah gambar. Disediakan tampilan Filenya kecil dan waktu aksesnya pendek.
dari fitur dalam gambar yang diketahui secara tepat, Dalam komputer grafik 3D, vertex merupakan
salah satunya untuk mencoba mendeteksi dengan sebuah titik dalam ruang 3D, yang didefinisikan
sebuah operator yang disebut template. Template ini sebagai sumbu x, y, dan z.
pengaruhnya yaitu subgambar yang terlihat seperti
gambar objek. Menghitung Kemiripan
diperhitungkan bagaimana supaya data gambar cocok
dengan template untuk masing-masing lokasi
template yang memungkinkan. Titik maksimal yang
dicocokkan dapat diseleksi sebagai lokasi dari fitur.

2.5 KORELASI
Gambar 1 : Model wireframe kubus

Tabel 1 : Vertex wireframe kubus


Vertex Table
Vertex # X Y Z
1 1 1 1
2 1 -1 1 Gambar 2 : Strategi dasar Texture Mapping
3 -1 -1 1
Gambar tersebut merupakan tekstur dengan
4 -1 1 1
gambar 256x256 yang telah dimappingkan pada
5 1 1 -1
sebuah polygon persegi panjang pada perspective.
6 1 -1 -1
7 -1 -1 -1
8 -1 1 -1 III. PERENCANAAN DAN PEMBUATAN
Tabel 2 : Edge wireframe kubus 3.1Diagram Sistem
Edge Table Pada dasarnya sistem yang dibangun
Edge # Start Vertex End Vertex merupakan sebuah perangkat lunak yang memiliki
1 1 2 fungsi melakukan tracking wajah pada gambar
2 2 3 sekuen dari video. Algorithma yang digunakan
3 3 4 adalah template matching dengan pendekatan
4 4 1 korelasi. Sistem ini dibangun pada platform sistem
5 5 6 operasi Linux. Berikut adalah blok diagram sistem
6 6 7 face tracking;
7 7 8
8 8 5
9 1 5 First frame
10 2 6 Template
11 3 7
12 4 8 Camera
Tracking Display

2.7 Texture Mapping


Texture mapping merupakan teknik pemetaan Facial Tracking
sebuah tekstur pada pola gambar wireframe, dimana Template Matching

wireframe yang telah dibuat akan ditampilkan


memiliki kulit luar seperti tekstur yang diinginkan.
Dalam pemberian tekstur, perlu diperhatikan
dasarnya seperti:
Captured Picture frame
• Menentukan tekstur
- Membaca atau Gambar 3. Blok diagram sistem face tracking
membangkitkan tekstur
- Menandai tekstur
- Mengenablekan Pada gambar 1 merupakan blok diagram
tekstur sistem yang akan dirancang yang ditinjau dari
• Menandai koordinat masukan yang diolah dan target yang ingin dicapai.
tekstur pada vertek Bagian utama dari sistem ini adalah pada gambar 1
yaitu face tracking sistem. Bagian ini memiliki
• Menentukan parameter
arsitektur seperti tampak pada gambar 2, sistem
tekstur
memiliki beberapa bagian yang meliputi bagian
- wrapping , filtering.
pengambilan data input yaitu berupa video capture
subsistem, yang kedua adalah bagian subsistem
konversi dari gambar video yang diambil menjadi
bentuk frame. Dibagian ketiga terdapat sistem yang
memisahkan frame pertama dengan frame ke-2
sampai dengan ke-n. Bagian selanjutnya adalah
subsistem yang merupakan implementasi algoritma, No Deskripsi Spesifikasi
dimana semua proses perhitungan dengan algoritma 1 CPU P IV 1700 MHz 40 Gb
korelasi dilakukan. Pada bagian akhir adalah Hardisk
subsistem untuk menyimpan dan menampilkan hasil 2 RAM 256 MB
yang diperoleh dari proses algoritma. 3 Graphic Card Nvidia MX2 400 64MB
4 GCC Versi 3.3
T e m p la te M a tch in g 5 PLIB 1.8.3
1 r st F r a m e S p lite r
A lg o r ith m
V id e o C a p tu r e
V id e o to F r a m e
D isp la y 6 Video4Linux Versi 1
C o n ve r te r

T e m p la te
7 OpenGL Versi 2.0
S e a r ch o p tim ize r
B u ild e r 8 Sistem Operasi Linux/GNU Debian
Gambar 4. face tracking sistem 9 Kernel 2.6.8-386

start 3.2 Window Utama


Window utama pada sistem ini memiliki
Load Template
Px Lpixel ukuran awal 800x600 pixel. Kemungkinan untuk
merubah ukuran window di sistem ini masih
Load image sequen 1
Mx Npixel dimungkinkan. Window utama inilah yang akan
menjadi ruang tampilan untuk seluruh proses yang
Sequen = 1
posx= 0 dilakukan oleh sistem face tracking.
posy= 0
Berikut adalah gambar dari rancangan
Hitung intensitaswarna window utama;
templatePxL pixel

For s=0 to maxsequen

For posy= 0 to N-L posy++

For posx=0 toM-P posx++

Hitung intensitaswarna
image (posx,posy)
Px Lpixel

Hitung nilai korelasi intesitas templatevsimage

N
Korelasi !=1

Simpanposx,posy Posx+=1

Posy+=1
Gambar 4. Window utama

N
s=maxsequen
BAB IV PENGUJIAN DAN ANALISA
SOFTWARE
Y

end 4.1 Pengambilan gambar


Gambar 5. Flowchart Face Tracking

Sistem perangkat lunak ini dibangun dengan


menggunakan bahasa pemrograman C dengan
dukungan pustaka openGL, PLIB, dan berjalan pada
sistem operasi Linux versi kernel 2.6.8. detail
spesifikasi teknis PC dan pustaka tertera pada tabel 1
sebagai berikut;
Gambar 5. proses pengambilan gambar
Tabel 3. Spesifikasi teknis perangkat lunak face
tracking sistem. 4.2 Pengujian fungsionalitas
Sebelum melakukan pengujian sistem template yang dibuat ini kemudian dilakukan
terintegrasi, pada sistem ini dilakukan pengujian pengujian tracking untuk masing masing frame.
fungsi secara perbagian. Tujuan dari pengujian ini
memastikan bagian-bagian dari sistem berfungsi
dengan baik, sehingga pada saat diintegrasikan dapat
memperkecil terjadinya kesalahan yang disebabkan 4.3.1 Tracking titik pada fitur wajah
oleh kegagalan sub proses dari sistem tracking.
Dengan menggunakan algorithma yang telah
4.2.1 Fungsi pembuatan template dijelaskan, pada sistem ini juga diujikan pada sistem
Sistem ini dilengkapi dengan fasilitas fungsi tracking titik fitur wajah yang meliputi titik-titik pada
yang berguna untuk membuat template berdasarkan mata, alis, hidung dan, mulut. Tabel 4 berikut ini
hasil deteksi titik fitur wajah. Hasil dari pembuatan hasil pengujian tracking untuk beberapa frame
template yang dibuat tampat\k pada gambar 4 berikut. sekuen.

Tabel 4. koordinat hasil tracking titik fitur

frame 1 frame 2 frame 3


Titik
x y x y x y
48 114 113 114 114 115 114
49 108 107 108 108 108 108
51 113 113 113 113 113 113
50 112 112 112 112 112 112
17 115 115 115 115 115 115
16 107 107 107 107 107 107
Gambar 6. Hasil pembuatan template 18 111 111 111 111 111 111
15 112 111 111 112 111 112
3 116 115 116 116 116 116
4.2.2 Fungsi penangkapan gambar video
53 127 126 127 127 127 127
Penangkapan video dilakukan dengan
menangkap gambar dari kamera. Data dari kamera ini 56 131 131 132 131 132 131
kemudian disimpan menjadi file bitmap sesuai 52 121 121 121 121 121 121
dengan urutan frame. Tampak pada gambar 5 hasil 57 132 132 132 132 132 132
penangkapan gambar dari kamera. 23 130 129 130 130 130 130
20 126 126 127 126 126 126
19 120 120 120 120 120 120
24 133 132 133 133 133 133
5 160 160 160 160 160 160
6 167 167 167 167 167 167
59 169 169 169 169 169 169
26 169 169 169 169 169 169
Gambar 7. Hasil penangkapan gambar dari
kamera 76 164 164 165 164 165 164
75 163 163 163 163 164 163
64 189 188 189 189 189 189
4.3 Pengujian performa 31 188 188 188 188 188 188
Pengujian performa dilakukan dengan 7 183 183 183 183 183 183
sistem yang terintegrasi. Maksud dari pengujian ini 8 201 201 201 201 201 201
adalah untuk mengetahui beberapa faktor yang 83 191 191 191 191 191 191
mempengaruhi sistem, dan juga kecepatan sistem 81 190 190 190 190 190 190
untuk melakukan tracking. Pada pengujian ini
89 190 189 190 190 190 190
dilakukan dengan mode offline.
88 189 189 189 189 189 189
Pada mode offline gambar frame yang telah
ditangkap dibaca kembali dan dibuat template untuk 10 222 222 222 222 223 222
masing-masing kumpulan sekuen frame. Dari 0 73 73 74 73 73 73
62 123 123 124 123 124 123 4.4.1 Model Wajah 3D Berdasarkan Proses
29 121 121 122 121 121 121 Pendeteksian Wajah dan Letak Bagian Wajah
Gambar wajah yang akan dimodelkan adalah
sebagai berikut :

Gambar 11. Grafik pergeseran titik fitur

Gambar 15. Model wajah

Langkah terakhir adalah tekstur mapping gambar


wajah pada wireframe, hasilnya dapat dilihat pada
gambar 16 berikut :

Gambar 12. Hasil tracking titik fitur wajah


(a) (b)
4.4 Wireframe standar
Letak titik-titik wireframe standar yang
digunakan ditunjukkan oleh gambar 13 berikut :

(c)
Gambar 16 : Hasil tekstur mapping (a) tampak
samping kiri (b) tampak samping (c) tampak
depan

Gambar 13 : Letak titik-titik wireframe standar

Kemudian bila titik-titik tersebut digambarkan BAB V PENUTUP


menjadi sebuah wireframe akan terlihat seperti
gambar 14 berikut : 5.1 KESIMPULAN
Berdasarkan hasil pengujian yang telah
dilakukan didapatkan beberapa kesimpulan untuk
proses tracking dengan menggunakan metode
korelasi.
1. Proses tracking dipengaruhi oleh
faktor brightness. Jarak maksimum mean
antara template dengan gambar yang
ditracking adalah 138.
Gambar 14 : Model wireframe standar 2. Kecepatan tracking dipengaruhi oleh
besar template yang digunakan. Semakin besar
ukuran template akan semakin lama proses INRIA Rhˆone-Alpes, 655 ave. de l’Europe,
tracking. 38330 Montbonnot St. Martin France.
[6] Mikhail J. Atallah, Faster Image Template
3. Untuk gambar template yang Matching in the Sum of the Absolute Value of
memiliki sifat dinamis seperti mata, mulut Differences Measure, IEEE TRANSACTIONS ON
dapat ditracking menggunakan jenis template IMAGE PROCESSING, VOL. 10, NO. 4, APRIL 2001.
titik fitur sehingga mampu melacak perubahan [7] Ahmad, Usman, Pengolahan Citra Digital dan
pada fitur tersebut. Teknik Pemrogramannya, Yogyakarta; Penerbit
Graha Ilmu, 2005.
4. Nilai SSD tidak bergantung pada
[8] http://linux.bytesex.org/v4l2/API.html diakses
korelasi, tetapi sebaliknya jika nilai SSD sama
terakhir 28 juni 2006
dengan 0 maka nilai korelasi sama dengan 1.
[9] http://plib.sourceforge.net/pui/index.html diakses
5. Nilai korelasi merupakan konstanta terakhir 10 juni 2006
pengali tingkat kecerahan pada gambar dengan
template.
6. Tracking posisi secara presisi tidak
ditentukan oleh nilai korelasi maksimum. Hal
ini dikarenakan gambar yang ditracking
dengan template mengalami kecenderungan
perubahan orientasi.
7. Sistem yang telah dibangun ini
masih belum sempurna, terbatasnya jumlah
titik yang digunakan untuk membuat model
jaring 3D (wireframe) menjadikan pembuatan
model 3 D wajah masih terlihat kaku.
8. Titik yang digunakan sebagai acuan
untuk membuat model jaring 3D belum
memenuhi jumlah titik yang dibutuhkan,
sehingga dilakukan perhitungan tiap-tiap titik
yang belum diketahui.

REFERENSI

[1] Helmut Prendinger and Mitsuru Ishizuka,


Introducing the Cast for Social Computing:Life-
like Characters, life-like.pdf, The University of
Tokyo, 2003
[2] Dana Harry Ballard & Cristopher M. Brown,
Computer Vision, Prentice Hall Professional
Technical Reference, 1982.
[3] Vernon, David, “Machine Vision” Automated
Visual Inspection & Robot Vision, Prentice Hall,
1991.
[4] B S Venkatesh, S Palanivel and B
Yegnanarayana, Face Detection and
Recognition in an Image Sequence using
Eigenedginess, Department of Computer Science
and Engineering, Indian Institute of Technology,
Madras.
[5] Karl Schwerdt and James L. Crowley, Robust
Face Tracking using Color, Projet PRIMA,