Mengenal Teknologi Pengenal Wajah

Mengenal Teknologi Pengenal Wajah – Teknologi yang semakin berkembang membuat apapun di era sekarang ini semakin mudah untuk diakses. Salah satunya adalah teknologi absensi dengan menggunakan alat absensi sidik jari. Disamping itu, masih juga terdapat alat absensi seperti pendeteksi wajah seseorang.

1. Biometrik Wajah

Dewasa ini, pemanfaatan karakteristik wajah pada aplikasi biometrik untuk mengenali individu banyak menarik perhatian kalangan peneliti maupun industri. Penelitian biometrik wajah termasuk sangat aktif, terlihat dari dominannya porsi tema riset pengenalan wajah pada berbagai seminar internasional, terkait biometrik. Di sisi industri, aplikasi pengenalan wajah dapat mudah ditemukan misalnya pada mesin presensi, fitur smart-unlock pada smartphone, hingga auto-tagging pada layanan media sosial facebook. Popularitas pengenalan wajah ini tidak lain karena wajah merupakan alat pengenal utama sesorang, yang mudah dilakukan secara alami lewat indra visual.

Dalam kehidupan sehari-hari, lebih mudah mengenali seseorang lewat wajahnya dibandingkan lewat sidik jari atau iris mata. Pengenalan wajah juga memungkinkan dilakukan pada covert deployment, yaitu objek tidak merasa kalau sedang dikenali lewat wajahnya. Hal ini tidak mungkin dilakukan lewat biometrik lain seperti sidik jari, iris mata yang memerlukan kerjasama dari objek untuk menyodorkan jari atau menempatkan mata pada alat pemindai. Oleh karena itu, teknologi pengenalan wajah menjadi sangat penting dalam aplikasi pemantauan untuk penanggulangan kriminal.

2. Karakteristik Wajah

Karakteristik Wajah terbagi dalam 3 level:

Level 1 adalah karakteristik global yang mudah teramati. Misalnya geometri (bentuk) wajah, dan warna kulit wajah. Bentuk wajah misalnya, dapat dengan mudah ditentukan, apakah lonjong ataukah bulat. Kulit wajah juga dengan mudah diamati, misalnya coklat, kuning, putih tergantung ras-nya. Fitur pada level ini mudah diamati dan kalau kalau dari foto sekalipun hanya memerlukan resolusi rendah, pada kisaran 30 IPD (Interpupillary Distance)

Level 2 adalah karakteristik lokal pada wajah, yaitu struktur komponen wajah seperti bentuk wajah, hidung, mulut dan hubungan antar komponen. Untuk level 2, diperlukan citra dengan resolusi lebih tinggi, antara 30 sampai 75 IPD. Karakteristik level 2 dapat direpresentasikan dengan memakai informasi geometrik maupun deskriptor tekstur wajah.

Level 3 terdiri dari fitur level mikro pada wajah dan tak terstruktur. Misalnya goresan, perubahan warna kulit setempat, dan berbagai informasi detail lainnya. Fitur level ini biasanya dimanfaatkan untuk membedakan kembar identik.

3. Desain Pengenalan Wajah

Sistem pengenalan wajah terdiri dari: akuisisi citra wajah, deteksi wajah, ekstraksi fitur wajah dan pemadanan. Arsitektur pengenalan wajah ditampilkan pada Gambar 1.

 

 

 

 

a. Bagian Akuisisi Citra
Akuisisi citra digital wajah dilakukan dengan berbagai sensor, antara lain sensor 2 dimensi, 3 dimensi, sekuens video. Dewasa ini, teknologi sensor telah berkembang demikian pesat, sehingga proses akuisisi citra dapat dilakukan lebih akurat dengan kualitas tinggi. Adakalanya memanfaatkan multi spectra, yaitu visible, infrared dan near-infrared. Proses akuisisi ini akan menghasilkan citra digital atau video yang akan menjadi target pengenalan identitas wajah dari objek yang tampak di dalamnya.

b. Deteksi Wajah
Setelah citra atau video berhasil diambil, proses berikutnya adalah menentukan secara otomatis lokasi bagian wajah pada gambar, dan mengabaikan objek yang bukan wajah. Bagian ini memiliki kesulitan yang cukup tinggi, karena wajah seseorang adakalanya tidak mudah dilokalisasi. Kesulitan ini disebabkan karena variasi yang disebabkan oleh pose wajah, ekspresi wajah, jenis kelamin, warna kulit dan oklusi. Oklusi misalnya disebabkan oleh pemakaian aksesori seperti kacamata hitam. Terutama dalam covert deployment, objek yang diambil gambarnya tidak menyadari kalau sedang dipantau wajahnya, sehingga tidak selalu dapat memperoleh gambar dengan pose yang ideal. Berbagai metode dikembangkan untuk mendeteksi wajah, umumnya dengan mengekstrak tekstur fitur lokal dari citra dan dilanjutkan dengan klasifikasi biner: apakah bagian tersebut merupakan bagian dari wajah atau bukan.

c. Ekstraksi Fitur Wajah dan Pemadanan
Ekstraksi fitur dan pemadanan, menurut Jain, Ross dan Nandakumar dapat dibagi dalam 3 pendekatan sebagaimana yang ditunjukkan pada Gambar 2 berikut.

 

 

 

 

 

 

 

Pendekatan berbasis penampilan (appearance-based) dilakukan dengan memetakan informasi berdimensi tinggi dari citra wajah ke ruang vektor yang berdimensi lebih rendah, sehingga mudah dilakukan analisislebih lanjut. Biasanya teknik yang dipakai adalah Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA) dan Independent Component Analysis (ICA).

Pendekatan berbasis penampilan ini memakai nilai pixel pada citra, sehingga memiliki kelemahan, karena sensitif terhadap pencahayaan dan ekspresi wajah. Hal ini melatarbelakangi dikembangkannya teknik lain, misalnya berbasis tekstur.

Pendekatan kedua adalah berbasis model, yaitu memodelkan wajah secara matematis ke 2 dimensi atau 3 dimensi, dengan tujuan agar pemadanan dapat dilakukan walaupun dengan pose wajah yang bervariasi.
Pendekatan terakhir adalah berbasis tekstur. Hal ini dilakukan dengan melakukan ekstraksi fitur lokal yang invariant terhadap pose wajah maupun pencahayaan. Teknik yang dipakai antara lain gradient orientation dan local binary pattern (LBP). Algoritma ini memiliki keunggulan dalam merepresentasikan wajah, lewat karakterisasi tekstur citra memakai distribusi nilai pixel lokal.

4. Kegiatan Litbangyasa pengenalan wajah di PTIK
Kegiatan litbangyasa biometrik pada Laboratorium Intelligent Computing selama ini difokuskan pada biometrik sidik jari dan selaput pelangi (iris) mata. Namun demikian, penelitian awal untuk pengenalan wajah telah dimulai dalam kolaborasi dengan peneliti di Swiss German University. Beberapa penelitian bersama yang telah dipublikasikan pada [3] dan [4]. Fokus penelitian tersebut pada kajian ekstraksi fitur dari wajah, dan dievaluasi dalam studi pengenalan wajah orang dari sketsa semi-forensik. Dalam pembuatan sketsa wajah, misalnya pelaku kriminal, rekaan wajah dibangun dari serpihan informasi parsial mengenai karakteristik wajah seseorang. Sehingga yang dilukis hanya garis besar atau ciri terpenting wajah seseorang, sedangkan detailnya diabaikan karena tidak dapat diingat dengan jelas. Dari sketsa yang dibuat selanjutnya dilakukan ekstraksi karakteristik, dan kemudian dibandingkan dengan gallery yang berisi foto wajah. Foto wajah yang memiliki karakteristik paling mirip dengan sketsa itu akan ditampilkan sebagai hasil pencarian.

Studi yang dilakukan masih pada tahap awal, tetapi apabila akurasinya telah cukup tinggi, kelak dapat dimanfaatkan untuk mencari identitas pelaku kriminal dari sketsa forensik yang dibuat berdasarkan ingatan korban. Apalagi seandainya dapat digabungkan dengan sidik jari laten yang diperoleh dari tempat kejadian peristiwa. Pencarian dengan multimodal biometrik antara sketsa forensik dan sidik jari laten merupakan aplikasi menarik biometrik di bidang forensik masa depan.

Mitra Berkat Bersama adalah sebuah perusahaan yang bergerak dalam bidang penjualan mesin absensi sidik jari atau mesin absensi fingerprint, mesin absensi sidik jari murah dan akses kontrol pintu biometrik menggunakan deteksi sidik jari yang terbesar di Indonesia | Bergabung KLIK DISINI | 031-8274664 / 031-82516149 / 031-8477633 | Email : sales@mitraberkatbersama.com