Penerapan Algoritma Machine Learning Pada Face Recognition
Sistem keamanan data saat ini memiliki beragam bentuk mulai dari sistem keamanan menggunakan PIN (Personal Identification Number), kartu identitas (Identification Card) dan password (kata sandi). Namun, kehadiran penggunaan sistem keamanan ini tampaknya belum menjamin keamanan dan perlindungan data pribadi seseorang. Faktanya, cara tersebut dapat dengan mudah diketahui oleh orang lain atau dibobol dengan sistem canggih sehingga dapat menimbulkan kerugian. Sistem keamanan saat ini dikembangkan menggunakan teknologi yang dapat melindungi sistem keamanan dengan baik yaitu menggunakan teknologi Biometrik. Dalam perkembangannya, sistem keamanan biometrik semakin diminati karena dianggap lebih akurat dan tak bisa dipalsukan. Penggunaan teknologi biometrik ini tentunya didorong melalui algoritma machine learning. Bisa dibilang, facial recognition adalah salah satu sistem identifikasi biometrik yang sangat efektif dalam menghasilkan informasi. Hal tersebut bisa terjadi karena penggunaan algoritma machine learning berupa neural network yang berperan penting dalam pengembangan sistem facial recognition.
Algoritma machine learning Neural network dibuat berdasarkan model cara kerja otak manusia. Algoritma ini kemudian mencoba meniru proses otak mengenali wajah seseorang. Alam bawah sadar otak akan mencoba mengenali fitur-fitur khusus pada wajah. Seperti jarak antara mata, tinggi dahi, lebar hidung, dan sebagainya. Algoritma facial recognition dirancang untuk memetakan fitur wajah seseorang secara matematis. Data fitur wajah yang disebut faceprint ini kemudian disimpan untuk dicocokkan dengan hasil pencarian. Facial recognition adalah salah satu jenis sistem identifikasi "biometrik". Sistem ini mengidentifikasi seseorang dengan fitur-fitur khusus pada tubuh maupun DNA yang membedakan satu orang dengan orang lainnya. Contoh identifikasi biometrik lainnya adalah fingerprint atau sidik jari, retina scanning, iris scanning, serta voice recognition. Pada artikel DQLab kali ini, kita akan membahas mengenai penerapan algoritma machine learning melalui face recognition. Artikel ini khusus dibuat teruntuk kalian para data lovers di bidang data untuk mengetahui penerapan algoritma machine learning khususnya pada facial recognition. Jadi, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!
1.Tahapan Face Recognition
Menurut US Government Accountability Office, ada empat komponen yang dibutuhkan untuk melakukan facial recognition, yaitu: Kamera, Face Print, Database dan Algoritma untuk membandingkan face print dari wajah target dengan face print dalam database. Setelah komponen tersebut terpenuhi, kita bisa mulai melakukan facial recognition. Ada tiga tahapan yang biasanya dilewati, yaitu:
1. Detection
Sistem akan mengekstraksi pola dalam sebuah gambar lalu membandingkannya. Jika polanya sama, sistem akan mengasumsikan bahwa ada wajah dalam gambar tersebut.
2. Faceprint creation
Faceprint adalah "cetakan" atau "model" wajah. Kami akan menjelaskan detailnya di bawah. Untuk membuat face print, ada dua cara yang biasanya dilakukan, yaitu:
Pendekatan geometris (geometric approach)
Mengukur jarak dan relasi spasial antara fitur wajah seperti titik pusat mata, bagian ujung hidung, atau garis bibir untuk mengenali wajah.
Pendekatan fotometrik (photometric approach)
Menganalisis foto dan membandingkannya dengan database untuk mengenali identitas seseorang berdasarkan statistiknya.
Analisis tekstur wajah (skin texture analysis)
Memetakan lokasi unik pori-pori, garis, atau bercak pada kulit yang berbeda antara seseorang dengan yang lainnya.
3. Verifikasi atau identifikasi
Verifikasi berbeda dengan identifikasi. Jadi, outputnya juga akan berbeda.
Verifikasi (atau autentikasi)
Cara ini membandingkan input foto wajah dengan data foto pengguna yang membutuhkan autentikasi. Agar lebih mudah diingat, perbandingannya 1×1.
Contoh:
Membuka kunci smartphone dengan wajah. Kamu perlu memasukkan data wajah atau foto kamu terlebih dahulu untuk disimpan dalam smartphone. Saat kamu mengarahkan kamera ke wajah, akses smartphone baru akan terbuka.
Identifikasi
Perbandingan 1xN. Jadi, input foto wajah dibandingkan dengan seluruh foto wajah yang ada dalam dataset untuk menemukan orang yang cocok dengan input foto tersebut.
Contoh:
Pencarian John Sudworth oleh kepolisian Tiongkok yang kami ceritakan di awal. Rekomendasi photo tagging dari Facebook juga salah satu contoh lainnya.
Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan
2.Cara Kerja Face Recognition
Berikut adalah cara kerja pada device face recognition system yaitu:
1. Pendeteksian wajah. Pendeteksian wajah dilakukan dengan pengambilan foto wajah dari manusia dengan memindai foto 2D secara digital, atau bisa juga menggunakan video untuk mengambil foto wajah 3D.
2. Penjajaran. Setelah wajah berhasil dideteksi, software akan dapat menentukan posisi, ukuran, dan sikap kepala. Pada software 3D foto wajah mampu dikenali hingga 90 derajat, sedangkan untuk software 2D posisi kepala harus menghadap kamera paling tidak 35 derajat.
3. Pengukuran. Selanjutnya software dapat mengukur lekukan yang ada pada wajah dengan menggunakan skala sub-milimeter (microwave) dan membuat template.
4. Representasi. Kemudian jika template sudah jadi maka template tersebut dapat diterjemahkan kedalam sebuah kode yang unik, yang mempresentasikan setiap wajah.
5. Pencocokan. Jika foto wajah yang telah direpresentasikan dan ketersediaan foto wajah dalam basis data sama-sama 3D, proses pencocokan dapat langsung dilakukan. Namun, saat ini masih ada tantangan untuk mencocokkan representasi 3D dengan basis data foto 2D. Teknologi baru kini tengah menjawab tantangan ini. Ketika foto wajah 3D diambil, software akan mengidentifikasikan beberapa titik (biasanya tiga titik) yaitu mata bagian luar dan dalam, serta ujung hidung. Berdasarkan hasil pengukuran ini software akan mengubah gambar 3D menjadi 2D, dan membandingkannya dengan gambar wajah 2D yang sudah ada di dalam basis data.
6. Verifikasi atau identifikasi. Verifikasi merupakan proses pencocokkan satu berbanding satu. Sedangkan identifikasi adalah perbandingan foto wajah yang diambil dengan seluruh gambar yang memiliki kemiripan dalam database.
7. Analisis tekstur wajah. Kemajuan dalam software face recognition adalah penggunaan biometrik kulit atau keunikan tekstur kulit untuk meningkatkan akurasi hasil pencocokkan. Namun terdapat beberapa faktor yang menyebabkan proses analisis tekstur ini tidak dapat bekerja, misalnya pantulan cahaya dari kacamata atau foto wajah yang menggunakan kacamata matahari. Faktor penghambat analisis lainnya adalah rambut panjang yang menutupi bagian tengah wajah, pencahayaan yang kurang tepat (yang mengakibatkan foto wajah menjadi kelebihan atau kekurangan cahaya), serta resolusi yang rendah (foto diambil dari kejauhan).
Baca juga : Belajar Data Science: Pahami Penggunaan Machine Learning pada Python
3.Perbedaan Facial Recognition dan Face Detection
alam bidang ilmu komputer, kedua istilah tersebut merupakan bidang penelitian yang berbeda. Dalam situs ensiklopedia online wikipedia, deteksi wajah adalah teknologi komputer yang menentukan lokasi dan ukuran wajah manusia yang terkandung di dalam sembarang citra digital. Teknologi ini hanya mendeteksi keberadaan wajah dan menghiraukan objek lainnya seperti bangunan, pepohonan, dan tubuh manusia itu sendiri. Sedangkan teknologi pengenalan wajah merupakan bidang penelitian yang banyak diminati sejak tahun 1960 an. Pada dasarnya teknologi ini digunakan untuk mengenali/mengidentifikasi wajah seseorang yang diambil dari citra digital atau frame video berdasarkan pelatihan (training) citra wajah yang ada pada database wajah. Database wajah yang telah dibangun sebelumnya digunakan untuk mencocokkan satu persatu ciri wajah yang telah tersimpan dengan ciri wajah seseorang yang akan diidentifikasi.
Baik deteksi wajah maupun pengenalan wajah, keduanya dibutuhkan untuk membangun suatu sistem pengenalan wajah. Teknologi deteksi wajah digunakan untuk mengambil area wajah seseorang yang tertangkap pada webcam (biasanya ditandai dengan kotak merah yang mengelilingi wajah). Kemudian berdasarkan citra wajah yang terdeteksi, langkah selanjutnya adalah identifikasi wajah tersebut apakah sang pemilik wajah sudah terdaftar dalam database wajah yang telah tersimpan sebelumnya.
4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!
Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIAL:
Buat Akun Gratis dengan Signup di DQLab.id/signup
Buka academy.dqlab.id dan pilih menu redeem voucher
Redeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi.
Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.
Penulis : Reyvan Maulid
Editor : Annissa Widya Davita