Artikel Facedetector
Artikel Facedetector
nn, Bulan20nn 1
Deteksi wajah adalah teknologi komputer yang diukur dan keberadaan fitur wajah yang berbeda
digunakan dalam berbagai aplikasi yang diverifikasi untuk setiap kandidat wajah.
mengidentifikasi wajah manusia dalam gambar
digital. Deteksi wajah juga mengacu pada proses A. Persyaratan perangkat keras untuk Face
psikologis yang digunakan manusia untuk Recognition Sistem Proyek
menemukan dan merawat wajah dalam adegan1. Video capture perangkat memerlukan 320 x 420
visual resolusi untuk dan setidaknya
3-5 frame / detik.
Deteksi wajah dapat dianggap sebagai kasus khusus2. Lebih frame / detik mengarah pada kinerja yang
deteksi kelas objek . Dalam deteksi kelas objek, lebih baik.
tugasnya adalah menemukan lokasi dan ukuran3. Untuk jarak yang sedikit lebih besar untuk ada
semua objek dalam gambar yang termasuk kelas korelasi kuat antara kualitas
tertentu. Contohnya termasuk torsi atas, pejalan kamera dan kemampuan sistem.
kaki, dan mobil. B. Cara kerja face detection
Tahap awal dalam pengenalan bentuk wajah
Algoritma deteksi wajah fokus pada deteksi wajah (face recognition) yang sangat
manusia frontal. Ini analog dengan deteksi gambar penting dilakukan adalah tahap pendeteksian
di mana gambar seseorang dicocokkan sedikit demi wajah (face detection). Dan
sedikit. Gambar cocok dengan penyimpanan bidang-bidang dalam penelitian yang berkaitan
gambar dalam basis data. Setiap perubahan fitur dengan pemrosesan wajah (face
wajah dalam basis data akan membatalkan proses processing) antara lain adalah:
pencocokan. 1. Pengenalan wajah (face recognition) yaitu
proses membandingkan sebuah citra
Pendekatan deteksi wajah yang andal berdasarkan wajah masukan dengan database wajah dan
algoritma genetika dan teknik eigen-face. menemukan database wajah yang
paling cocok dengan citra masukan tersebut.
Pertama, daerah mata manusia yang mungkin 2. Autentikasi wajah (face authentication) yaitu
terdeteksi dengan menguji semua wilayah lembah menguji keaslian/kesamaan suatu
pada gambar tingkat abu-abu. Kemudian algoritma wajah dengan data wajah yang telah diinputkan
genetika digunakan untuk menghasilkan semua sebelumnya.
daerah wajah yang mungkin termasuk alis, iris, 3. Lokalisasi wajah (face localization) yaitu
lubang hidung dan sudut mulut. pendeteksian wajah namun dengan
asumsi hanya ada satu wajah didalam citra.
Setiap kandidat wajah yang mungkin dinormalisasi 4. Penjejakan wajah (face tracking) yaitu
untuk mengurangi efek pencahayaan, yang memperkirakan lokasi suatu wajah
disebabkan oleh pencahayaan yang tidak merata; didalam video secara real time.
dan efek shirring, yang disebabkan oleh pergerakan 5. Pengenalan ekspresi wajah (facial expression
kepala. Nilai kesesuaian dari masing-masing recognition) untuk mengenali
kandidat diukur berdasarkan proyeksi pada wajah kondisi emosi manusia.
eigen. Setelah sejumlah iterasi, semua kandidat Struktur bentuk wajah (Facial Structure
wajah dengan nilai kebugaran tinggi dipilih untuk Recognition) dalam penciriannya atau
verifikasi lebih lanjut. Pada tahap ini, simetri wajah penggunaannya menggunakan alat scan dengan
panas sinyal infra merah (infrared heat
Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…) ISSN 2301 - 4156
2 JNTETI, Vol. nn, No. nn, Bulan20nn
scan) untuk mengidentifikasi karakteristik bentuk C. Kemudian cara kerja pada device face
wajah. Sistem pengenalan wajah yang recognition system
digunakan dalam pengamanan teknologi biometrik 1. Pendeteksian wajah. Pendeteksian wajah
yang fungsinya sebagai password dilakukan dengan pengambilan foto
dalam cara kerjanya menggunakan ekspresi wajah dari manusia dengan men-scan foto
seseorang tanpa direkayasa atau dibuat-buat 2D secara digital, atau bisa juga
(dramatic) atau biasa disebut dengan relased face. menggunakan video untuk mengambil foto
Pada sistem pendeteksian wajah wajah 3D.
terdiri dari 6 (enam) bagian titik yang dianggap 2. Penjajaran. Pada saat sudah berhasil
paling dipercaya dan lebih akurat untuk mendeteksi wajah, software akan dapat
digunakan dalam sistem keamanan biometrik. menentukan posisi, ukuran, dan sikap
Bagian-bagian ini terdiri dari mata, alis kepala. Pada software 3D mampu
mata dan mulut. Akan tetapi, jarak antar bagian mengenali foto wajah hingga 90 derajat,
mata tidaklah cukup diperoleh secara sedangkan untuk software 2D posisi
langsung dari bagian titik muka, maka dari itu kepala harus menghadap kamera paling
diperlukan suatu bentuk metode pada tidak 35 derajat.
bagian daerah sekitaran mata. Bagian yang lain 3. Pengukuran. Selanjutnya software dapat
yang digunakan pada sistem keamanan mengukur lekukan yang ada pada
dalam pendeteksian wajah yaitu mulut, namun wajah dengan menggunakan skala sub-
secara global ini tidaklah cukup untuk milimeter (microwave) dan membuat
menguraikan bentuk mulut. Maka dari itu untuk template.
mendapatkan bagian ini diperlukan 4. Representasi. Kemudian jika template
bagian dari wajah yang dinormalisir berdasarkan sudah jadi maka template tersebut dapat
tepian dari pemetaan. Dari penjelasan diterjemahkan kedalam sebuah kode yang
tersebut, untuk mengenali bagian-bagian titik unik, yang mempresentasikan setiap
tersebut dapat digunakan suatu wajah.
pendekatan vector quantization yang terawasi.
Dalam sistem keamanan biometrik dengan 5. Pencocokan. Jika foto wajah yang telah
pengenalan struktur bentuk wajah ini direpresentasikan dan ketersediaan foto
mebutuhkan peralatan kamera dalam wajah dalam database sama-sama 3D,
pengidentifikasiannya, oleh karena itu tidak proses pencocokan dapat langsung
memungkinkan untuk menjadi popular, sampai dilakukan. Namun, saat ini masih ada
banyak PC yang memasukkan kamera tantangan untuk mencocokkan
sebagai perlengkapan standar. representasi 3D dengan database foto 2D.
Device pada face recognition system bekerja Teknologi baru kini tengah menjawab
sebagai pengenal code yang bekerja pada tantangan ini. Ketika foto wajah 3D diambil,
objek muka seseorang. Device ini mengambil code software akan mengidentifikasikan
berdasarkan bentuk geometric beberapa titik (biasanya tiga titik) yaitu
wajah. Jenis pengambilan data informasi pada mata bagian luar dan dalam, serta ujung
device ini dibagi menjadi 2 (dua) tipe, hidung. Berdasarkan hasil pengukuran ini
yaitu tipe pengambilan secara 2D dan tipe software akan mengubah gambar 3D
pengambilan secara 3D. Tapi pada menjadi 2D, dan membandingkannya
kenyataannya, penggunaan 3D lebih dengan gambar wajah 2D yang sudah ada
menguntungkan karena lebih spesifik untuk kode didalam database.
pengenal. Sehingga banyak perangkat keamanan 6. Verifikasi atau identifikasi. Verifikasi
yang menggunakan face recognition merupakan proses pencocokkan satu
system dengan tipe 3D. berbanding satu. Sedangkan identifikasi
adalah pembandingan foto wajah yang
ISSN 2301 – 4156 Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…)
JNTETI, Vol. nn, No. nn, Bulan20nn 3
Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…) ISSN 2301 - 4156
4 JNTETI, Vol. nn, No. nn, Bulan20nn
ISSN 2301 – 4156 Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…)
JNTETI, Vol. nn, No. nn, Bulan20nn 5
Pelacakan wajah tanpa marker telah berkembang ke perbedaan dari ekspresi netral. Ini dilakukan dengan
sistem komersial seperti Image Metrics , yang telah mencari tepi bibir misalnya dan mengenalinya
diterapkan dalam film seperti sekuel The Matrix [6] sebagai objek yang unik. Seringkali riasan atau
dan The Curious Case of Benjamin Button . Yang penanda penambah kontras dikenakan, atau
terakhir menggunakan sistem Mova untuk beberapa metode lain untuk membuat pemrosesan
menangkap model wajah yang mampudeformasi, lebih cepat. Seperti pengenalan suara, teknik terbaik
yang kemudian dianimasikan dengan kombinasi hanya baik 90 persen dari waktu, membutuhkan
pelacakan manual dan penglihatan. [7] Avatar adalah banyak tweaker dengan tangan, atau toleransi untuk
film tangkapan kinerja terkemuka lainnya namun kesalahan.
menggunakan spidol yang dicat dan bukannya
tanpa penanda. Dynamixyz [ tautan mati permanen ] adalah Karena karakter yang dihasilkan komputer tidak
sistem komersial lain yang sedang digunakan. benar-benar memiliki otot , teknik yang berbeda
digunakan untuk mencapai hasil yang sama.
Sistem tanpa tanda dapat diklasifikasikan Beberapa animator membuat tulang atau objek yang
berdasarkan beberapa kriteria pembeda: dikendalikan oleh perangkat lunak penangkapan,
dan memindahkannya sesuai, yang ketika karakter
Pelacakan 2D versus 3D dicurangi dengan benar memberikan perkiraan yang
apakah diperlukan pelatihan khusus orang baik. Karena wajah sangat elastis teknik ini sering
atau bantuan manusia lainnya dicampur dengan yang lain, menyesuaikan bobot
kinerja waktu nyata (yang hanya mungkin secara berbeda untuk elastisitas kulit dan faktor-
jika tidak diperlukan pelatihan atau faktor lain tergantung pada ekspresi yang
pengawasan) diinginkan.
apakah mereka memerlukan sumber
informasi tambahan seperti pola yang Penggunaan
diproyeksikan atau cat yang tidak terlihat
seperti yang digunakan dalam sistem Mova. Beberapa perusahaan komersial mengembangkan
produk yang telah digunakan, tetapi agak mahal.
Sampai saat ini, tidak ada sistem yang ideal
sehubungan dengan semua kriteria ini. Misalnya, Diharapkan bahwa ini akan menjadi perangkat
sistem Neven Vision sepenuhnya otomatis dan input utama untuk permainan komputer setelah
tidak memerlukan pola tersembunyi atau pelatihan perangkat lunak tersedia dalam format yang
per orang, tetapi 2D. Sistem Face / Off [8] adalah terjangkau, tetapi perangkat keras dan perangkat
3D, otomatis, dan real-time tetapi membutuhkan lunak belum ada, meskipun penelitian selama 15
pola yang diproyeksikan. tahun terakhir menghasilkan hasil yang hampir
dapat digunakan.
Teknologi
Photography
Metode berbasis video digital menjadi semakin
disukai, karena sistem mekanik cenderung rumit Beberapa kamera digital terbaru menggunakan
dan sulit digunakan. deteksi wajah untuk fokus otomatis. [5] Deteksi
wajah juga berguna untuk memilih wilayah yang
Menggunakan kamera digital , ekspresi pengguna diminati dalam tayangan slide foto yang
input diproses untuk memberikan pose kepala, yang menggunakan efek Ken Burns pan-and-scale.
memungkinkan perangkat lunak untuk kemudian
menemukan mata, hidung dan mulut. Wajah Peralatan modern juga menggunakan deteksi
awalnya dikalibrasi menggunakan ekspresi netral. senyum untuk mengambil foto pada waktu yang
Kemudian tergantung pada arsitektur, alis, kelopak tepat.
mata, pipi, dan mulut dapat diproses sebagai
Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…) ISSN 2301 - 4156
6 JNTETI, Vol. nn, No. nn, Bulan20nn
ISSN 2301 – 4156 Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…)