Teknologi Face Recognition


Teknologi yang semakin canggih tentunya mempengaruhi berbagai alat yang dibutuhkan  manusia pada umumnya. Misalnya smartphone, smartphone selalu mengupdate fitur-fitur yang semakin canggih pada setiap keluaran terbarunya. Contohnya adalah fitur pengunci layar. Fitur terbaru yang belum lama ini hadir adalah Face Unlock.

Face unlock merupakan salah satu implementasi dari teknologi biometric, yaitu face recognition atau FR.


FR adalah teknologi yang mampu melakukan identifikasi atau verifikasi terhadap seseorang dengan menggunakan gambar digital atau foto wajah seseorang.  FR adalah salah satu jenis sistem identifikasi biometrik yang dapat mengidentifikasi seseorang dengan fitur-fitur khusus pada tubuh maupun DNA yang membedakan satu orang dengan yang lain.


FR dapat memetakan fitur wajah seseorang secara matematis dan menyimpan data sebagai faceprint. Contoh identifikasi biometrik lainnya adalah Fingerprint, Retina Scanning, serta Voice Recognition.


Menurut US Government Accountability Office, ada empat komponen yang dibutuhkan untuk melakukan Facial Recognition, yaitu :


  • ·         Kamera
  • ·         Faceprint
  • ·         Database
  • ·         Algoritma, untuk membandingkan faceprint dari wajah terget dengan faceprint dalam database.

Tahapan-tahapan yang dilewati saat melakukan Face Recognition, antaralain :


·         Detection

Sistem akan mengekstraksi pola dalam sebuah gambar lalu membandingkannya. Jika polanya sama, sistem akan mengasumsikan bahwa ada wajah dalam gambar tersebut.


·         Faceprint Creation

Faceprint adalah ‘cetakan’ atau ‘model’ wajah. Untuk membuat faceprint, ada 3 cara yang biasanya dilakukan, yaitu:


1.      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.


2.      Pendekatan fotometrik (photometric approach)
Menganalisis foto dan membandingkannya dengan database untuk mengenali identitas seseorang berdasarkan statistiknya.


3.      Analisis tekstur wajah (skin texture analysis)
Memetakan lokasi unik pori-pori, garis, atau bercak pada kulit yang berbeda antara seseorang dengan yang lainnya.


·         Verifikasi /Identifikasi

Verifikasi berbeda dengan identifikasi. Jadi, outputnya juga akan berbeda.


1.      Verifikasi(Autentikasi)
Cara ini membandingkan input foto wajah dengan data foto pengguna yang membutuhkan autentufikasi.


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.


2.      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:
Rekomendasi photo tagging dari Facebook.


Kelebihan

  • ·         Efesiensi dalam pengolahan data, pengadaan dan perawatannya.

  • ·         Murah dan praktis, jika rusak dapat diperbaiki tanpa perlu teknisi khusus.

  • ·         Sistem keamanannya yang memiliki kemungkinan kecil untuk diotak-atik oleh penjahat.

  • ·         Terhubung secara online dengan database kepolisian.

  • ·         Terlihat lebih bergengsi, etc.

Kekurangan

Teknologi FR mempunyai beberapa kelemahan dalam melakukan pengenalan umur seseorang. Dilansir dari laman IEEE Access, ada 4 keterbatasan pengenalan wajah pada FR ini, yaitu :

  • ·         Ketersediaan Data Gambar

Sulit untuk mendapatkan gambar wajah dengan berbagai macam pose seseorang pada umur yang berbeda. 

  • ·         Waktu Pemrosesan

Untuk mendapatkan tingkat akurasi yang tinggi, maka diperlukan algoritma yang cukup kompleks sehingga pengolahannya dibutuhkan komputer yang khusus.

  • ·         Proses Penuaan

Terlalu banyak variasi wajah pada orang-orang ditingkatan umurnya.

  • ·         Umur

Dalam beberapa penelitian menuliskan jika tingkat akurasi pengenalan sangat bergantung pada umur subyek tersebut.

Selain  kelemahan dalam pengenalan umur, ada beberapa faktor yang dapat mengurangi tingkat akurasi FR ini, yaitu :

  • 1.      Foto dengan resolusi rendah dan minim pencahayaan
  • 2.      Sudut foto yang berbeda
  • 3.  Ekspresi wajah, bahkan senyum kecil saja bisa menjadi tantangan tersendiri bagi system pencocokan wajah
  • 4.    Mata memiliki peranan kunci dalam menentukan akurasi. Maka, benda seperti kacamata hitam yang menghalangi mata dapat mengganggu kerja software
  • 5.   Benda lainnya yang menutupi bentuk asli wajah seperti topi, syal, atau model rambut yang menghalangi wajah, terutama area mata. Dalam kasus tertentu, jambang dan riasan dapat mengganggu program deteksi wajah.


Implementasi

1.      FaceFINDER dari Vissage : Sistem yang digunakan dalam hal pengawasan dan pengidentifikasian penggunanya(Bandara, Gd. Pemerintahan & Pusat hiburan).

2.      Facebook : Menggunakan fitur FR untuk menandai foto seseorang.

3.      Apple : Meluncurkan Face Id sebagai teknologi pengganti finger print.

4.      Grab : Meluncurkan fitur Passenger Selfie Verification yang ditujukan untuk pelanggan baru sebagai bentuk verifikasinya.


Komentar