Anda di halaman 1dari 11

Desain dan Implementasi dari Sosial Online

Jaringan dengan Face Recognition

Abstrak-Makalah ini menyajikan ide dari sebuah sosial online


jaringan yang menggunakan teknologi pengenalan wajah.
Dengan teknologi itu, hubungan teman dapat dibangun
tanpa perlu memiliki informasi berbasis teks dari
pengguna, teman rekomendasi algoritma bisa lebih
akurat, dan penandaan wajah dapat dilakukan secara otomatis. The
desain dan implementasi sistem isu-isu tersebut akan
dibahas. Prototipe jaringan yang diusulkan sosial kita
akan diperlihatkan untuk menunjukkan kelayakan mengadopsi
teknologi pengenalan wajah dalam jaringan sosial online.

pendahuluan

jaringan sosial adalah sekelompok orang (atau organisasi atau


entitas sosial lainnya) yang terhubung oleh satu set sociallymeaningful
hubungan [1]. Online jaringan sosial
menjadi sangat populer dalam beberapa tahun terakhir. Beberapa sosial populer
situs jaringan memiliki ratusan juta pengguna
terdaftar. Dalam situs semacam ini, pengguna dapat memperbarui mereka
profil pribadi, memberitahu teman-teman tentang diri mereka sendiri, bermain
permainan dan berbagi foto dengan teman-teman mereka secara internasional.

Sebelum berinteraksi dengan teman-teman, pengguna harus menambahkannya


untuk membentuk suatu hubungan. Dalam jejaring sosial yang ada
situs web, ditemukan bahwa, untuk mencari teman, situs-situs web
umumnya berdasarkan informasi berbasis teks seperti
seperti alamat email, nama teman-teman, sekolah nama
teman, dll Meskipun pendekatan ini bekerja, dalam hal ini
kertas, kami berpendapat bahwa pengenalan wajah dapat digunakan untuk
meningkatkan teman mencari dan jasa lainnya secara online
jaringan sosialPenelitian di pengenalan wajah otomatis dapat tanggal backat
setidaknya sampai tahun 1960 [2]. Namun, sebagian besar wajah
pengenalan algoritma dikembangkan pada tahun 1980 dan
1990-an. Dua yang paling umum di antaranya adalah Kepala Sekolah
Analisis Komponen (PCA) dan Komponen Independen
Analysis (ICA). Kirby dan Sirovich adalah di antara yang pertama
untuk menerapkan PCA untuk menghadapi gambar, dan menunjukkan bahwa PCA
adalah
skema kompresi optimal yang meminimalkan mean
kuadrat error antara gambar asli dan mereka
rekonstruksi untuk setiap tingkat kompresi [3] [4].
Turk dan Pentland mempopulerkan penggunaan PCA untuk wajah
pengakuan [5]. PCA adalah cocok dengan gambar di
database dengan memproyeksikan mereka ke basis dan vektor
menemukan citra dikompresi terdekat di subspace
(Ruang eigen disebut). ICA juga dapat digunakan untuk membuat
fitur vektor yang seragam mendistribusikan sampel data dalam
subspace [6] [7]. Ini menggunakan konseptual yang sangat berbeda
ICA menghasilkan vektor fitur yang tidak spasial
lokal. Sebaliknya, menghasilkan vektor fitur yang menarik
baik perbedaan antara gambar serupa untuk
menyebarkan sampel dalam subspace.

Meskipun teknologi pengenalan wajah telah baik


didirikan, tidak ada jaringan sosial online menggunakannya.
Teknologi ini dapat memberikan beberapa keuntungan
jaringan sosial online, termasuk:

1Teman-teman di foto dapat dicari bahkan tanpa


berbasis teks informasi. Hal ini khususnya berguna ketika kita
hanya mengambil foto dengan teman baru tapi lupa untuk bertukar
kontak.
2. Algoritma rekomendasi teman bisa lebih
akurat karena bisa memanfaatkan baik berbasis teks dan
Wajah informasi.
3. Wajah tagging dapat secara otomatis dilakukan dengan
teknologi pengenalan wajah

Dalam sisa tulisan ini, kami akan menampilkan desain dan


arsitektur jaringan yang diusulkan sosial kita online dengan
fungsi pengenalan wajah. Setelah itu, kami akan mengungkapkan bagaimana
teknologi pengenalan wajah dapat digunakan untuk merancang
persahabatan algoritma pencarian baru, untuk menghasilkan teman
daftar rekomendasi, dan untuk merancang foto berbasis pencarian
dan sesuai fungsi. Akhirnya, kita akan membahas
pelaksanaan sistem dan menunjukkan kami
prototipe jaringan sosial.

ABEL I.
PERBANDINGAN JARINGAN SOSIAL ONLINE DENGAN DAN TANPA WAJAH
PENGAKUAN TEKNOLOGI
Sosial yang ada
jaringan
Jaringan sosial menggunakan wajah
pengenalan teknologi
Membentuk
hubungan
Pribadi
informasi seorang teman
diperlukan
Setiap wajah seorang teman
muncul dalam gambar
pengguna cukup
Mencari dan
merekomendasikan
teman
Menggunakan berbasis teks
Algoritma pencarian
Menggunakan pengenalan wajah
Algoritma
Tagging seseorang Manual Otomatis

SISTEM ARSITEKTUR
Seperti ditunjukkan dalam Gambar 1, sistem terdiri dari
berikut tiga komponen:
• Database User
• layanan pengenalan wajah Web
• Persahabatan algoritma

User Database
Selain informasi dasar tentang pengguna,
informasi yang terkait dengan fitur pengenalan wajah adalah
dibutuhkan. Formasi ini meliputi:
• Wajah - wajah identitas pengguna, jenis dan subjek.
• Foto - foto informasi, ID dan subjek.
• Photocomment - informasi dari masing-masing pengguna
mengomentari setiap foto.
• Persahabatan - informasi hubungan antara
setiap pengguna.
• Pengakuan - informasi hubungan antara
wajah foto dan setiap teman.
• Undang - informasi hubungan mengundang
orang antara tabel user dan persahabatan, mengundang
pesan dan status undangan.

B. Face Recognition Layanan Jejaring


Pengakuan wajah layanan web menangani tugas
melibatkan pengenalan wajah. Hal mengimplementasikan dengan wajah
mesin pengenalan wajah lokalisasi, pendaftaran dan
menggunakan algoritma pencocokan pengolahan gambar digital. The
proses pengenalan wajah terdiri dari beberapa langkah,
yang ditunjukkan pada Gambar 2.

Prosedur normal mencakup dua bagian: referensi


bagian dan bagian identifikasi. Dalam proses referensi,
mesin pengenalan wajah pertama akan mendeteksi wajah untuk
gambar mentah dari foto. Hal ini kemudian akan mengkonversikan
foto untuk grayscale sehingga dapat menghilangkan efek pencahayaan
dan membuat beberapa proses gambar (PCA atau ICA) untuk mendapatkan
resolusi lebih rendah dari wajah. Setelah itu, akan mengekstrak
fitur wajah dan toko wajah ke database pelatihan.
Dalam proses identifikasi wajah, mesin akan
melalui prosedur yang sama untuk mengekstrak fitur wajah
dan membuat perbandingan dengan database pelatihan. Namun dalam
implementasi kami, kami akan melakukan normalisasi beberapa
sebelum toko ke database pelatihan. Kami akan menormalkan
semua muka dengan resolusi dan ukuran yang sama yang dapat meningkatkan

ABEL II.
DIANGGAP KASUS DI ALGORITMA PERSAHABATAN
Kasus Deskripsi Unit Pembobotan
Orang album saya muncul di
saya album Jumlah penampilan 10
Tidak langsung teman Teman dari teman dari teman saya No umum 8
Orang album Friend's muncul di
teman saya album Jumlah penampilan 6
Foto dengan saya Seseorang telah foto
yang mencakup diri No penampilan 4
Co-foto Seseorang dan aku di
Nomor yang sama foto penampilan 2

kecepatan identifikasi wajah. Setelah wajah


langkah pengakuan, maka akan memberikan skor untuk wajah
identitas. kecepatan identifikasi wajah. Setelah wajah
langkah pengakuan, maka akan memberikan skor untuk wajah
identitas.
Layanan pengenalan wajah disediakan dengan cara
Layanan web, yang dapat membuat sistem lebih
skalabilitas. Ketika sistem menjadi lebih besar, wajah
Proses pengenalan bisa menjadi kinerja
bottleneck. Karena layanan pengenalan wajah
disediakan oleh layanan web, mesin lebih pengenalan wajah
dapat ditambahkan dengan mudah

C. Algoritma Persahabatan
Algoritma persahabatan digunakan untuk menyediakan
daftar rekomendasi untuk para pengguna. Algoritma ini membuat
menggunakan wajah yang diakui dalam kasus yang berbeda untuk menghasilkan
daftar rekomendasi. Kasus-kasus yang digunakan dan
bobot yang sesuai untuk setiap kasus disajikan pada
Tabel 2. Perhatikan bahwa nilai pembobotan yang tepat dapat
direvisi jika perlu.
Algoritma persahabatan menganggap kasus yang berbeda, dan
dalam setiap kasus ada bobot terkait. Dari
nilai pembobotan, maka dapat dilihat bahwa prioritas telah
telah dipertimbangkan dalam algoritma persahabatan. Artinya,
prioritas yang lebih tinggi diberikan kepada hubungan langsung pemilik
dan lebih rendah prioritas untuk hubungan langsung.
Akibatnya, skor akhir untuk wajah masing-masing dapat dihasilkan
dengan menggunakan rumus berikut:
Skor akhir = tidak. penampilan (album saya) x 10 + no.
dari teman biasa (teman tidak langsung) x 8 + no. dari
penampilan (album teman) x 6 + no. penampilan
(Foto dengan saya) x 4 + no. penampilan (co-foto) x 2
Nilai tertinggi dari wajah akan muncul bagian atas
merekomendasikan daftar, dan skor yang lebih rendah wajah akan muncul
di bawah tertinggi merekomendasikan teman menurut
skor.
Berdasarkan skor akhir, algoritma persahabatan
akan merekomendasikan wajah untuk pengguna ketika skor
lebih tinggi dari ambang.

III. PELAKSANAAN
A. Informasi Penanganan
Informasi menangani proses adalah inti
pengembangan layanan jaringan sosial, seperti yang ditunjukkan dalam
Gambar 1. Kami menggunakan bahasa script PHP untuk mengembangkan
bagian ini. Fungsi menangani akun user,
album foto, mencari dan pesan. Kami menggunakan MySQL
untuk menerapkan database pengguna kami.
B. proses pengenalan wajah
Selama proses deteksi wajah, kami membuat beberapa
optimasi:
• Gambar Convert to grayscale.
• Ambil gambar dengan deteksi wajah.
• Mengubah ukuran wajah ke ukuran yang sesuai.
• Simpan wajah dengan string base64-encoded untuk menghadapi
database.
Optimasi di atas dapat mengurangi penggunaan memori
wajah masing-masing dan meningkatkan kinerja wajah
pencocokan. Hal ini juga dapat mengurangi proses untuk menyimpan
mentah wajah wajah telah dirampingkan. The
based64-encoded string akan digunakan dalam
pelaksanaan layanan reorganisasi wajah web.
Setiap user dapat menyimpan identitas beberapa wajah - satu utama
identitas dan identitas tambahan lainnya. Jadi pengguna
dapat menyimpan wajah saat ini sebagai identitas utama dan beberapa
lama wajah identitas tambahan. Wajah-wajah akan
simpan dalam database dilatih untuk menggunakan pencocokan wajah.

Setelah perbandingan, mesin akan memberikan wajah


identitas skor. Kita memilih nilai 50 sebagai dasar
pengakuan standar. Skor 50 berarti hampir 0,01% dari
penerimaan palsu rate (FAR). Ini adalah sosok yang sangat diterima
untuk pengenalan wajah. Setelah skor pencocokan wajah
lebih besar dari 50, kita berharap wajah yang cocok
sama dengan wajah referensi.

C. Face Recognition Engine


Untuk mengimplementasikan mesin pengenalan wajah secara online kami
jaringan sosial, kita menggunakan SDK VeriLook [8]. VeriLook
SDK adalah pengembangan perangkat lunak kit untuk deteksi wajah dan
pengenalan wajah. Ini mendukung multiplatform, Windows,
Linux dan MacOS. Hal ini juga dapat mendukung C / C + +, C #, VB,
Jawa dan Delphi sebagai bahasa pembangunan. Ini berisi dua
komponen utama - ekstraktor dan matcher. Hal ini juga
menyediakan perpustakaan manajer kamera untuk mendukung
simultan ambil dari beberapa kamera. The
pencocokan kecepatan mesin adalah 100.000 wajah per detik
dalam 1: N identifikasi. Mendukung deteksi wajah hidup,
wajah beberapa pengolahan.

Usaha kami pada bagian ini adalah memanfaatkan VeriLook ini


SDK dan untuk membangun layanan Web untuk pengenalan wajah. Kami
desain ini mesin dengan layanan Web yang dapat menyediakan
backend layanan dengan satu atau lebih server. Keuntungannya
untuk membuat sebuah layanan backend adalah bahwa jika wajah
pengenalan teknologi perubahan di masa mendatang, backend
layanan dapat diganti tanpa perlu memodifikasi
komponen lainnya.
Sebenarnya prototipe ini hanya akan menggunakan beberapa sederhana
prosedur untuk mendeteksi dan mengenali wajah. Jadi remote
layanan terbatas pada lima metode, DetectFaces,
CompareFace, CompareMultipleFaces,
CompareMultipleScore dan
CompareMulitpleToMultipleFaces seperti yang ditunjukkan pada Gambar 3.
Mereka mencakup semua fungsi yang diperlukan untuk wajah
deteksi dan pengakuan untuk layanan web kami.

d.System Operation
Gambar 4 mengilustrasikan sistem pengendalian bagaimana pengguna
(UserB) bertemu dengan yang lain (UserA) dengan pengenalan wajah
teknologi.
1. Pertama, ketika UserB register ke sistem, selain itu
informasi pribadi dasar, ia harus menyerahkan foto
mengandung wajahnya dengan jelas.
2. Ketika sistem menerima wajahnya, akan terlihat up
wajah dalam database tentang UserB. Jika wajahnya tidak
ada, ini akan menambah wajah ke database.
3. Misalkan UserA telah mengambil foto dengan UserB dalam
acara sosial, dan setelah acara, UserA upload
foto ke album di sistem.
4. Sistem akan mencoba untuk mendeteksi wajah pada foto
UserA hanya upload.
5. Karena sistem ini memiliki wajah UserA dan UserB, itu
akan menempatkan hubungan mereka dengan algoritma persahabatan
pangkat dan membuat daftar rekomendasi untuk kedua UserA
dan UserB.
6. Akibatnya, UserA dapat menemukan UserB dalam Surat
daftar rekomendasi, dan sebaliknya. Setelah sahabat
undangan baik oleh UserA atau UserB, mereka bisa menjadi
teman.

E. Pengujian
Pada tahap akhir pembangunan, satu set sampel
data yang digunakan untuk menguji fungsi tersebut, penerimaan
dan akurasi sistem. Data sampel akan mencakup
beberapa input teks, upload foto dan uji perbandingan. Beberapa
sampel rekening dan foto berkualitas dibutuhkan untuk ini
uji. Kami telah mengumpulkan data sampel dari 30 pengguna dari
ada aplikasi jaringan sosial. Ukuran foto akan
disesuaikan menjadi sekitar 30k untuk respon lebih cepat halaman web
dan latensi jaringan yang lebih rendah. Tapi kualitas foto
dan wajah harus dipelihara dengan rasio yang dapat diterima

Prosedur pengujian berikut ini dijalankan untuk memastikan


kebenaran sistem:
• Membuat beberapa account pengguna.
• Upload foto wajah pengguna yang akan digunakan sebagai
wajah identitas.
• Membuat album dengan beberapa account.
• Upload foto ke beberapa album.
• Jalankan script persahabatan algoritma untuk membuat
merekomendasikan daftar.
• Buat teman-teman dengan atau tanpa merekomendasikan daftar.

Klik di foto untuk memeriksa wajah tag di


album.
Setelah pengujian sistem operasi yang benar, kita
telah mengundang sekitar 70 pengguna baru untuk menggunakan sistem untuk
pengujian antarmuka pengguna dan kinerja. Dalam contoh di atas
tahap pengujian, kami telah menetapkan satu mesin untuk penanganan
jaringan infrastruktur sosial dan database pengguna untuk melayani
web klien, dan mengatur komputer lain untuk penanganan wajah
mesin pengakuan untuk memberikan layanan Web. The
konfigurasi dari mesin adalah:
• Core 2 Duo 3.0 GHz
• 1GB DDR2 Memory
• 250GB SATA II Hard Drive

IV. PERAGAAN
Pada bagian ini, kami akan menunjukkan bagaimana kita online
jaringan sosial menyediakan fitur rekomendasi
daftar dari foto, database wajah identitas dan penandaan wajah.
A. Pengujian
Gambar 5 menunjukkan halaman pertama setelah login pengguna
sistem. Merekomendasikan daftar ditampilkan pada yang lebih rendah
sisi kiri. Dengan mengklik pada "Kenali wajah saya",
user bisa mengupload foto ke database identitas wajah.
Pengguna dapat meng-upload foto dengan wajah pengguna saja atau dengan
teman-teman lainnya. Sistem akan mendeteksi wajah dan biarkan
pengguna memilih wajah yang tepat untuk database. Setelah ini
proses, pengguna akan memiliki identitas wajah untuk sistem.
Pengguna dapat memiliki lebih dari satu identitas wajah di
sistem.
Ketika pengguna mengklik "edit" link di samping
"Kenali wajah saya", database wajah yang sesuai
akan muncul, seperti yang ditunjukkan pada Gambar 6, sehingga pengguna dapat
menghapus atau memilih kepala tepat untuk profil. wajah ini
database sebenarnya database dilatih pengenalan wajah
proses. Ia menyimpan semua identitas wajah mungkin untuk wajah
proses pencocokan dalam pengolahan algoritma persahabatan.
B. Wajah Tagging
Wajah penandaan adalah fitur yang sangat berguna dalam sistem. The
ada situs jaringan web sosial umumnya memerlukan
nama pengguna untuk secara manual memilih dan ketik yang sesuai
bidang gambar. Sebagai sistem kami menggunakan wajah
pengenalan teknologi, dapat mengenali wajah
secara otomatis tanpa interaksi pengguna. Jika pengguna lupa
nama temannya, ia dapat menggunakan fitur ini ke dalam daftar
nama temannya dari penandaan nama.

V. KESIMPULAN
Kami menerapkan prototipe untuk menunjukkan dasar
fungsi dari pendaftaran pengguna, membuat dan mengedit album,
upload dan hapus foto, mengedit beberapa bidang teks, dan membuat
berteman dengan / tanpa merekomendasikan daftar

V. KESIMPULAN
Kami menerapkan prototipe untuk menunjukkan dasar
fungsi dari pendaftaran pengguna, membuat dan mengedit album,
upload dan hapus foto, mengedit beberapa bidang teks, dan membuat
berteman dengan / tanpa merekomendasikan daftar.
Kami jaringan online sosial dengan pengenalan wajah
teknologi menyediakan fitur yang meningkatkan pengguna
pengalaman dan user friendly daripada sosial yang ada
jaringan. Fitur mencakup daftar rekomendasi
foto, wajah database identitas dan penandaan wajah.
PENGAKUAN
Pekerjaan yang diuraikan dalam makalah ini didukung oleh
Macao Polytechnic Institute Hibah Penelitian (No:
RP/ESAP-1/2009).
DAFTAR PUSTAKA
[1] Barry, W. (1996). Untuk analisis jaringan sosial dari komputer
jaringan: perspektif sosiologis pada pekerjaan kolaboratif
dan komunitas virtual.
[2] W.W. Bledsoe, Metode model dalam pengenalan wajah,
Panoramic Research, Inc, Palo Alto, CA PRI: 15 Agustus
1966.
[3] M. Kirby, L. Sirovich, Aplikasi-Karhunen Loeve
prosedur untuk karakterisasi wajah manusia, IEEE
Transaksi di Analisis Pola dan Intelijen Mesin
12 (1990) 103-107.
[4] L. Sirovich, M. Kirby, Sebuah prosedur yang rendah-dimensi untuk
karakterisasi wajah manusia, Jurnal Optical
Society of America 4 (1987) 519-524.
[5] M. Turk, A. Pentland, Eigenfaces pengakuan, Jurnal
Cognitive Neuroscience 3 (1991) 71-86.
[6] M.S. Bartlett, H.M. Lades, T.J. Sejnowski, Independen
komponen representasi untuk pengenalan wajah, yang disajikan
pada Simposium SPIE di Imaging Elektronik: Ilmu Pengetahuan dan
Teknologi, Konferensi Visi Manusia dan Elektronik
III Imaging, San Jose, CA, 199