JNTETI, Vol. nn, No.
nn, Bulan20nn
Penerapan Atau Pengaplikasian
Sensor Facedetector
Nama Penulis Yusdewiyanto Pawan
Deteksi wajah adalah teknologi komputer yang
digunakan dalam berbagai aplikasi yang
mengidentifikasi wajah manusia dalam gambar
digital. Deteksi wajah juga mengacu pada proses
psikologis yang digunakan manusia untuk
menemukan dan merawat wajah dalam adegan1.
visual
Deteksi wajah dapat dianggap sebagai kasus khusus2.
deteksi kelas objek . Dalam deteksi kelas objek,
tugasnya adalah menemukan lokasi dan ukuran3.
semua objek dalam gambar yang termasuk kelas
tertentu. Contohnya termasuk torsi atas, pejalan
kaki, dan mobil.
Algoritma deteksi wajah fokus pada deteksi wajah
manusia frontal. Ini analog dengan deteksi gambar
di mana gambar seseorang dicocokkan sedikit demi
sedikit. Gambar cocok dengan penyimpanan
gambar dalam basis data. Setiap perubahan fitur
wajah dalam basis data akan membatalkan proses
pencocokan.
Pendekatan deteksi wajah yang andal berdasarkan
algoritma genetika dan teknik eigen-face.
Pertama, daerah mata manusia yang mungkin
terdeteksi dengan menguji semua wilayah lembah
pada gambar tingkat abu-abu. Kemudian algoritma
genetika digunakan untuk menghasilkan semua
daerah wajah yang mungkin termasuk alis, iris,
lubang hidung dan sudut mulut.
Setiap kandidat wajah yang mungkin dinormalisasi
untuk mengurangi efek pencahayaan, yang
disebabkan oleh pencahayaan yang tidak merata;
dan efek shirring, yang disebabkan oleh pergerakan
kepala. Nilai kesesuaian dari masing-masing
kandidat diukur berdasarkan proyeksi pada wajah
eigen. Setelah sejumlah iterasi, semua kandidat
wajah dengan nilai kebugaran tinggi dipilih untuk
verifikasi lebih lanjut. Pada tahap ini, simetri wajah
Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…)
1
diukur dan keberadaan fitur wajah yang berbeda
diverifikasi untuk setiap kandidat wajah.
A. Persyaratan perangkat keras untuk Face
Recognition Sistem Proyek
Video capture perangkat memerlukan 320 x 420
resolusi untuk dan setidaknya
3-5 frame / detik.
Lebih frame / detik mengarah pada kinerja yang
lebih baik.
Untuk jarak yang sedikit lebih besar untuk ada
korelasi kuat antara kualitas
kamera dan kemampuan sistem.
B. Cara kerja face detection
Tahap awal dalam pengenalan bentuk wajah
(face recognition) yang sangat
penting dilakukan adalah tahap pendeteksian
wajah (face detection). Dan
bidang-bidang dalam penelitian yang berkaitan
dengan pemrosesan wajah (face
processing) antara lain adalah:
1. Pengenalan wajah (face recognition) yaitu
proses membandingkan sebuah citra
wajah masukan dengan database wajah dan
menemukan database wajah yang
paling cocok dengan citra masukan tersebut.
2. Autentikasi wajah (face authentication) yaitu
menguji keaslian/kesamaan suatu
wajah dengan data wajah yang telah diinputkan
sebelumnya.
3. Lokalisasi wajah (face localization) yaitu
pendeteksian wajah namun dengan
asumsi hanya ada satu wajah didalam citra.
4. Penjejakan wajah (face tracking) yaitu
memperkirakan lokasi suatu wajah
didalam video secara real time.
5. Pengenalan ekspresi wajah (facial expression
recognition) untuk mengenali
kondisi emosi manusia.
Struktur bentuk wajah (Facial Structure
Recognition) dalam penciriannya atau
penggunaannya menggunakan alat scan dengan
panas sinyal infra merah (infrared heat
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
digunakan dalam pengamanan teknologi biometrik
yang fungsinya sebagai password
dalam cara kerjanya menggunakan ekspresi
seseorang tanpa direkayasa atau dibuat-buat
(dramatic) atau biasa disebut dengan relased face.
Pada sistem pendeteksian wajah
terdiri dari 6 (enam) bagian titik yang dianggap
paling dipercaya dan lebih akurat untuk
digunakan dalam sistem keamanan biometrik.
Bagian-bagian ini terdiri dari mata, alis
mata dan mulut. Akan tetapi, jarak antar bagian
mata tidaklah cukup diperoleh secara
langsung dari bagian titik muka, maka dari itu
diperlukan suatu bentuk metode pada
bagian daerah sekitaran mata. Bagian yang lain
yang digunakan pada sistem keamanan
dalam pendeteksian wajah yaitu mulut, namun
secara global ini tidaklah cukup untuk
menguraikan bentuk mulut. Maka dari itu untuk
mendapatkan bagian ini diperlukan
bagian dari wajah yang dinormalisir berdasarkan
tepian dari pemetaan. Dari penjelasan
tersebut, untuk mengenali bagian-bagian titik
tersebut dapat digunakan suatu
pendekatan vector quantization yang terawasi.
Dalam sistem keamanan biometrik dengan
pengenalan struktur bentuk wajah ini
mebutuhkan peralatan kamera dalam
pengidentifikasiannya, oleh karena itu tidak
memungkinkan untuk menjadi popular, sampai
banyak PC yang memasukkan kamera
sebagai perlengkapan standar.
Device pada face recognition system bekerja
sebagai pengenal code yang bekerja pada
objek muka seseorang. Device ini mengambil code
berdasarkan bentuk geometric
wajah. Jenis pengambilan data informasi pada
device ini dibagi menjadi 2 (dua) tipe,
yaitu tipe pengambilan secara 2D dan tipe
pengambilan secara 3D. Tapi pada
kenyataannya, penggunaan 3D lebih
menguntungkan karena lebih spesifik untuk kode
pengenal. Sehingga banyak perangkat keamanan
yang menggunakan face recognition
system dengan tipe 3D.
ISSN 2301 – 4156 Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…)
recognition system
1. Pendeteksian wajah. Pendeteksian wajah
dilakukan dengan pengambilan foto
wajah dari manusia dengan men-scan foto
2D secara digital, atau bisa juga
menggunakan video untuk mengambil foto
wajah 3D.
2. Penjajaran. Pada saat sudah berhasil
mendeteksi wajah, software akan dapat
menentukan posisi, ukuran, dan sikap
kepala. Pada software 3D mampu
mengenali foto wajah 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 database sama-sama 3D,
proses pencocokan dapat langsung
dilakukan. Namun, saat ini masih ada
tantangan untuk mencocokkan
representasi 3D dengan database 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
didalam database.
6. Verifikasi atau identifikasi. Verifikasi
merupakan proses pencocokkan satu
berbanding satu. Sedangkan identifikasi
adalah pembandingan foto wajah yang
JNTETI, Vol. nn, No. nn, Bulan20nn
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. Factor
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).
Jadi, dengan menggunakan atau memanfaatkan
sistem keamanan biometrik, sebuah
keamanan dapat terjaga lebih aman dan terjamin.
Karena pada sistem biometrik ini akan
memverifikasi data yang melekat pada tubuh kita
sehingga tidak aka nada lagi terjadi
kesalahan manusia (human error).
D. Cara penggunaan face detection
1. Masukan ID , name, gender, telephone isi
data dengan benaragar data yang
diberikan valid.
2. Ambil gambar dengan wajah pengguna
android, kemudian masukan data dari
pengguna lain masukan data seperti pada
langkah 1
3. Aplikasi ini sangat akurat dalam
mendeteksi wajah penggunanya sesuai input
data yang dimasukan.
4. Contohnya , ID 01234, name dhea , gender
female, telephone 08123456778,
ambil gambar pada wajah kemudian
cocokan dengan wajah pengguna lain, face
recognition akan mendeteksi kecocokan
data yang ada, jika invalid warna merah
akan muncul jika warna kuning kemiripan
hampir mendekati ,jika warna hijau
kecocokan data valid.
Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…)
3
E. Kelebihan face detection
1. Dapat dijadikan sebagai sistem keamanan masa
kini.
2. Memiliki kecerdasan yang dapat mengenali
wajah.
3. Dapat meembedakan wajah pengguna dengan
pengguna lainnya meliputi
kedua mata, lebar hidung, senyuman dan panjang
rahang
4. Untuk mendapatkan hasil yang efektif dan
akurat, foto wajah yang diambil
harus benar-benar menghadap kamera, dengan
toleransi yang minim
terhadap perbedaan cahaya dan mimik wajah dari
gambar yang terdapat
dalam database.
F. Kekurangan face detection
1. Belum dilengkapi dengan sistem eigen face
2. Tingkat akurasi yang belum lengkap.
G. Pengaplikasian
 Facial motion capture
Capture gerak wajah adalah proses mengubah
secara elektronik gerakan wajah seseorang ke
dalam basis data digital menggunakan kamera atau
pemindai laser . Basis data ini kemudian dapat
digunakan untuk menghasilkan animasi komputer
CG (grafik komputer) untuk film, game, atau avatar
waktu nyata. Karena gerakan karakter CG berasal
dari gerakan orang sungguhan, ini menghasilkan
animasi karakter komputer yang lebih realistis dan
bernuansa daripada jika animasi dibuat secara
manual.
Database penangkapan gerakan wajah
menggambarkan koordinat atau posisi relatif dari
titik referensi di wajah aktor. Pengambilan mungkin
dalam dua dimensi, dalam hal ini proses
penangkapan kadang-kadang disebut "pelacakan
ekspresi", atau dalam tiga dimensi. Pengambilan
dua dimensi dapat dicapai dengan menggunakan
kamera tunggal dan perangkat lunak penangkapan
biaya rendah seperti Zign Track Zign Creations '.
Ini menghasilkan pelacakan yang kurang canggih,
dan tidak dapat sepenuhnya menangkap gerakan
tiga dimensi seperti rotasi kepala. Pengambilan tiga
dimensi dilakukan menggunakan rig multi-kamera
ISSN 2301 - 4156
4 JNTETI, Vol. nn, No. nn, Bulan20nn
atau sistem penanda laser. Sistem seperti itu
biasanya jauh lebih mahal, rumit, dan memakan
waktu untuk digunakan. Ada dua teknologi yang
mendominasi; marker dan sistem pelacakan tanpa
penanda.
Facial Motion Capture terkait dengan penangkapan
gerakan tubuh, tetapi lebih menantang karena
persyaratan resolusi yang lebih tinggi untuk
mendeteksi dan melacak ekspresi halus yang
mungkin dari gerakan kecil mata dan bibir.
Gerakan-gerakan ini seringkali kurang dari
beberapa milimeter, membutuhkan resolusi dan
kesetiaan yang lebih besar dan teknik penyaringan
yang berbeda dari yang biasanya digunakan dalam
penangkapan seluruh tubuh. Kendala wajah
tambahan juga memungkinkan lebih banyak
peluang untuk menggunakan model dan aturan.
Pengambilan ekspresi wajah mirip dengan Facial
Motion Capture. Ini adalah proses menggunakan
cara visual atau mekanik untuk memanipulasi
karakter yang dihasilkan komputer dengan input
dari wajah manusia , atau untuk mengenali emosi
dari pengguna.
berbasis penanda
Sistem berbasis marker tradisional berlaku hingga
350 marker pada wajah aktor dan melacak
pergerakan marker dengan kamera resolusi tinggi.
Ini telah digunakan pada film seperti The Polar
Express dan Beowulf untuk memungkinkan seorang
aktor seperti Tom Hanks untuk mengarahkan
ekspresi wajah dari beberapa karakter yang
berbeda. Sayangnya ini relatif rumit dan membuat
ekspresi para aktor terlalu didorong setelah
smoothing dan filtering telah terjadi. Sistem
generasi selanjutnya seperti CaptiveMotion
memanfaatkan cabang dari sistem berbasis penanda
tradisional dengan tingkat rincian yang lebih tinggi.
Teknologi Active LED Marker saat ini digunakan
untuk menggerakkan animasi wajah secara real-
time untuk memberikan umpan balik pengguna.
ISSN 2301 – 4156
Tanpa Marker
Teknologi tanpa tanda menggunakan fitur-fitur
wajah seperti lubang hidung , sudut bibir dan mata,
dan kerutan kemudian melacaknya. Teknologi ini
didiskusikan dan diperagakan di CMU , [2] IBM , [3]
Universitas Manchester (di mana banyak dari ini
dimulai dengan Tim Cootes , [4] Gareth Edwards
dan Chris Taylor) dan lokasi lain, menggunakan
model penampilan aktif , komponen utama analisis ,
pelacakan eigen , model permukaan yang dapat
dideformasi dan teknik lain untuk melacak fitur
wajah yang diinginkan dari bingkai ke bingkai.
Teknologi ini jauh lebih tidak praktis, dan
memungkinkan ekspresi yang lebih besar untuk
aktor.
Pendekatan berbasis penglihatan ini juga memiliki
kemampuan untuk melacak pergerakan pupil,
kelopak mata, oklusi gigi oleh bibir dan lidah, yang
merupakan masalah nyata pada sebagian besar fitur
animasi komputer. Keterbatasan khas pendekatan
berbasis visi adalah resolusi dan kecepatan bingkai,
yang keduanya menurun seiring masalah kecepatan
tinggi, kamera CMOS resolusi tinggi menjadi
tersedia dari berbagai sumber.
Teknologi untuk pelacakan wajah tanpa penanda
terkait dengan teknologi pengenalan wajah , karena
sistem pengenalan wajah berpotensi diterapkan
secara berurutan pada setiap bingkai video, yang
menghasilkan pelacakan wajah. Misalnya, sistem
Neven Vision [5] (sebelumnya Eyematics, sekarang
diakuisisi oleh Google) memungkinkan pelacakan
wajah 2D waktu nyata tanpa pelatihan khusus untuk
orang; sistem mereka juga di antara sistem
pengenalan wajah yang berkinerja terbaik dalam
Uji Vendor Pengenalan Wajah (FRVT) Pemerintah
AS tahun 2002. Di sisi lain, beberapa sistem
pengenalan tidak secara eksplisit melacak ekspresi
atau bahkan gagal pada ekspresi yang tidak netral,
sehingga tidak cocok untuk dilacak. Sebaliknya,
sistem seperti model permukaan yang dapat
dideformasi mengumpulkan informasi sementara
untuk disambiguasi dan memperoleh hasil yang
lebih kuat, dan dengan demikian tidak dapat
diterapkan dari satu foto.
Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…)
JNTETI, Vol. nn, No. nn, Bulan20nn
Pelacakan wajah tanpa marker telah berkembang ke
sistem komersial seperti Image Metrics , yang telah
diterapkan dalam film seperti sekuel The Matrix [6]
dan The Curious Case of Benjamin Button . Yang
terakhir menggunakan sistem Mova untuk
menangkap model wajah yang mampudeformasi,
yang kemudian dianimasikan dengan kombinasi
pelacakan manual dan penglihatan. [7] Avatar adalah
film tangkapan kinerja terkemuka lainnya namun
menggunakan spidol yang dicat dan bukannya
tanpa penanda. Dynamixyz [ tautan mati permanen ] adalah
sistem komersial lain yang sedang digunakan.
Sistem tanpa tanda dapat diklasifikasikan
berdasarkan beberapa kriteria pembeda:
 Pelacakan 2D versus 3D
 apakah diperlukan pelatihan khusus orang
atau bantuan manusia lainnya
 kinerja waktu nyata (yang hanya mungkin
jika tidak diperlukan pelatihan atau
pengawasan)
 apakah mereka memerlukan sumber
informasi tambahan seperti pola yang
diproyeksikan atau cat yang tidak terlihat
seperti yang digunakan dalam sistem Mova.
Sampai saat ini, tidak ada sistem yang ideal
sehubungan dengan semua kriteria ini. Misalnya,
sistem Neven Vision sepenuhnya otomatis dan
tidak memerlukan pola tersembunyi atau pelatihan
per orang, tetapi 2D. Sistem Face / Off [8] adalah
3D, otomatis, dan real-time tetapi membutuhkan
pola yang diproyeksikan.
Teknologi
Metode berbasis video digital menjadi semakin
disukai, karena sistem mekanik cenderung rumit
dan sulit digunakan.
Menggunakan kamera digital , ekspresi pengguna
input diproses untuk memberikan pose kepala, yang
memungkinkan perangkat lunak untuk kemudian
menemukan mata, hidung dan mulut. Wajah
awalnya dikalibrasi menggunakan ekspresi netral.
Kemudian tergantung pada arsitektur, alis, kelopak
mata, pipi, dan mulut dapat diproses sebagai
Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…)
5
perbedaan dari ekspresi netral. Ini dilakukan dengan
mencari tepi bibir misalnya dan mengenalinya
sebagai objek yang unik. Seringkali riasan atau
penanda penambah kontras dikenakan, atau
beberapa metode lain untuk membuat pemrosesan
lebih cepat. Seperti pengenalan suara, teknik terbaik
hanya baik 90 persen dari waktu, membutuhkan
banyak tweaker dengan tangan, atau toleransi untuk
kesalahan.
Karena karakter yang dihasilkan komputer tidak
benar-benar memiliki otot , teknik yang berbeda
digunakan untuk mencapai hasil yang sama.
Beberapa animator membuat tulang atau objek yang
dikendalikan oleh perangkat lunak penangkapan,
dan memindahkannya sesuai, yang ketika karakter
dicurangi dengan benar memberikan perkiraan yang
baik. Karena wajah sangat elastis teknik ini sering
dicampur dengan yang lain, menyesuaikan bobot
secara berbeda untuk elastisitas kulit dan faktor-
faktor lain tergantung pada ekspresi yang
diinginkan.
Penggunaan
Beberapa perusahaan komersial mengembangkan
produk yang telah digunakan, tetapi agak mahal.
Diharapkan bahwa ini akan menjadi perangkat
input utama untuk permainan komputer setelah
perangkat lunak tersedia dalam format yang
terjangkau, tetapi perangkat keras dan perangkat
lunak belum ada, meskipun penelitian selama 15
tahun terakhir menghasilkan hasil yang hampir
dapat digunakan.
 Photography
Beberapa kamera digital terbaru menggunakan
deteksi wajah untuk fokus otomatis. [5] Deteksi
wajah juga berguna untuk memilih wilayah yang
diminati dalam tayangan slide foto yang
menggunakan efek Ken Burns pan-and-scale.
Peralatan modern juga menggunakan deteksi
senyum untuk mengambil foto pada waktu yang
tepat.
ISSN 2301 - 4156
6 JNTETI, Vol. nn, No. nn, Bulan20nn

seperti robot. Ini biasanya digunakan sebagai

 Facial recognition kontrol akses dalam sistem keamanan dan dapat
Sistem pengenalan wajah adalah teknologi dibandingkan dengan biometrik lain seperti
yang mampu mengidentifikasi atau sistem pengenalan sidik jari atau iris mata. [2]
memverifikasi seseorang dari gambar digital Meskipun keakuratan sistem pengenalan wajah
atau bingkai video dari sumber video . Ada sebagai teknologi biometrik lebih rendah
beberapa metode di mana sistem pengenalan daripada pengenalan iris dan pengenalan sidik
wajah bekerja, tetapi secara umum, mereka jari , sistem ini diadopsi secara luas karena
bekerja dengan membandingkan fitur wajah prosesnya yang tanpa kontak dan non-invasif. [3]
yang dipilih dari gambar yang diberikan dengan Baru-baru ini, ia juga menjadi populer sebagai
wajah dalam database . Ini juga digambarkan alat identifikasi dan pemasaran komersial. [4]
sebagai aplikasi berbasis Kecerdasan Buatan Aplikasi lain termasuk interaksi manusia-
Biometrik yang dapat secara unik komputer tingkat lanjut, pengawasan video,
mengidentifikasi seseorang dengan pengindeksan gambar secara otomatis, dan basis
menganalisis pola berdasarkan tekstur dan data video.
bentuk wajah orang tersebut. 
H.

pengenalan wajah dan kendaraan membuat,

model, warna dan pembaca plat nomor

Tampilan illuminator inframerah dari jarak

dekat . Cahaya tidak terlihat oleh mata manusia ,
tetapi menciptakan lingkungan seperti hari
untuk kamera pengintai .

Meskipun pada awalnya merupakan bentuk

aplikasi komputer, ia telah melihat penggunaan
yang lebih luas belakangan ini pada platform
mobile dan dalam bentuk teknologi lainnya,

ISSN 2301 – 4156 Penulis Pertama: Judul Paper dalam 4 Kata disambung titik-titik(…)