Mengenal teknologi pengenalan wajah (1)

tulisan ini telah dimuat di http://ptik.bppt.go.id/berita/44-mengenal-teknologi-pengenalan-wajah-1

1.     Biometrik Wajah

Dewasa ini, pemanfaatan karakteristik wajah pada aplikasi biometrik untuk mengenali individu banyak menarik perhatian kalangan peneliti maupun industri. Penelitian biometrik wajah termasuk sangat aktif, terlihat dari dominannya porsi tema riset pengenalan wajah pada berbagai seminar internasional, terkait biometrik. Di sisi industri, aplikasi pengenalan wajah dapat mudah ditemukan misalnya pada mesin presensi,  fitur smart-unlock pada smartphone, hingga auto-tagging pada layanan media sosial facebook. Popularitas pengenalan wajah ini tidak lain karena wajah merupakan alat pengenal utama sesorang, yang mudah dilakukan secara alami lewat indra visual. Dalam kehidupan sehari-hari, lebih mudah mengenali seseorang lewat wajahnya dibandingkan lewat sidik jari atau iris mata. Pengenalan wajah juga memungkinkan dilakukan pada covert deployment, yaitu objek tidak merasa kalau sedang dikenali lewat wajahnya. Hal ini tidak mungkin dilakukan lewat biometrik lain seperti sidik jari, iris mata yang memerlukan kerjasama dari objek untuk menyodorkan jari atau menempatkan mata pada alat pemindai. Oleh karena itu, teknologi pengenalan wajah menjadi sangat penting dalam aplikasi pemantauan untuk penanggulangan kriminal.

 2.     Karakteristik Wajah

Karakteristik Wajah terbagi dalam 3 level:

Level 1
adalah karakteristik global yang mudah teramati. Misalnya geometri (bentuk) wajah, dan warna kulit wajah. Bentuk wajah misalnya, dapat dengan mudah ditentukan, apakah lonjong ataukah bulat. Kulit wajah juga dengan mudah diamati, misalnya coklat, kuning, putih tergantung ras-nya. Fitur pada level ini mudah diamati dan kalau kalau dari foto sekalipun hanya memerlukan resolusi rendah, pada kisaran 30 IPD (Interpupillary Distance)

Level 2
adalah karakteristik lokal pada wajah, yaitu struktur komponen wajah seperti bentuk wajah, hidung, mulut dan hubungan antar komponen. Untuk level 2, diperlukan citra dengan resolusi lebih tinggi, antara 30 sampai 75 IPD. Karakteristik level 2 dapat direpresentasikan dengan memakai informasi geometrik maupun deskriptor tekstur wajah.

Level 3
terdiri dari fitur level mikro pada wajah dan tak terstruktur. Misalnya goresan, perubahan warna kulit setempat, dan berbagai informasi detail lainnya. Fitur level ini biasanya dimanfaatkan untuk membedakan kembar identik.

 3.     Desain Pengenalan Wajah

Sistem pengenalan wajah terdiri dari:  akuisisi citra wajah, deteksi wajah, ekstraksi fitur wajah dan pemadanan. Arsitektur pengenalan wajah ditampilkan pada Gambar 1.

Gambar 1. Arsitektur Pemadanan Wajah

 a.     Bagian Akuisisi Citra
Akuisisi citra digital wajah dilakukan dengan berbagai sensor, antara lain sensor 2 dimensi, 3 dimensi, sekuens video.  Dewasa ini, teknologi sensor telah berkembang demikian pesat, sehingga proses akuisisi citra dapat dilakukan lebih akurat dengan kualitas tinggi. Adakalanya memanfaatkan multi spectra, yaitu visible, infrared dan near-infrared. Proses akuisisi ini akan menghasilkan citra digital atau video yang akan menjadi target pengenalan identitas wajah dari objek yang tampak di dalamnya.

b.     Deteksi Wajah
Setelah citra atau video berhasil diambil, proses berikutnya adalah menentukan secara otomatis lokasi bagian wajah pada gambar, dan mengabaikan objek yang bukan wajah. Bagian ini memiliki kesulitan yang cukup tinggi, karena wajah seseorang adakalanya tidak mudah dilokalisasi. Kesulitan ini disebabkan karena variasi yang disebabkan oleh pose wajah, ekspresi wajah, jenis kelamin, warna kulit dan oklusi. Oklusi misalnya disebabkan oleh pemakaian aksesori seperti kacamata hitam. Terutama dalam covert deployment, objek yang diambil gambarnya tidak menyadari kalau sedang dipantau wajahnya, sehingga tidak selalu dapat memperoleh gambar dengan pose yang ideal. Berbagai metode dikembangkan untuk mendeteksi wajah, umumnya dengan mengekstrak tekstur fitur lokal dari citra dan dilanjutkan dengan klasifikasi biner: apakah bagian tersebut merupakan bagian dari wajah atau bukan.

c.      Ekstraksi Fitur Wajah dan Pemadanan
Ekstraksi fitur dan pemadanan, menurut Jain, Ross dan Nandakumar dapat dibagi dalam 3 pendekatan sebagaimana yang ditunjukkan pada Gambar 2 berikut.

Gambar2. 3 Pendekatan Ekstraksi Fitur dan Pemadanan Wajah

Pendekatan berbasis penampilan (appearance-based) dilakukan dengan memetakan informasi berdimensi tinggi dari citra wajah ke ruang vektor yang berdimensi lebih rendah, sehingga mudah dilakukan analisislebih lanjut. Biasanya teknik yang dipakai adalah Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA) dan Independent Component Analysis (ICA).

Pendekatan berbasis penampilan ini memakai nilai pixel pada citra, sehingga memiliki kelemahan, karena sensitif terhadap pencahayaan dan ekspresi wajah. Hal ini melatarbelakangi dikembangkannya teknik lain, misalnya berbasis tekstur.

Pendekatan kedua adalah berbasis model, yaitu memodelkan wajah secara matematis ke 2 dimensi atau 3 dimensi, dengan tujuan agar pemadanan dapat dilakukan walaupun dengan pose wajah yang bervariasi.

Pendekatan terakhir adalah berbasis tekstur.  Hal ini dilakukan dengan melakukan ekstraksi fitur lokal yang invariant terhadap pose wajah maupun pencahayaan. Teknik yang dipakai antara lain gradient orientation dan local binary pattern (LBP).  Algoritma ini memiliki keunggulan dalam merepresentasikan wajah, lewat karakterisasi tekstur citra memakai distribusi nilai pixel lokal.

 4.     Kegiatan Litbangyasa pengenalan wajah di PTIK

Kegiatan litbangyasa biometrik pada Laboratorium Intelligent Computing selama ini difokuskan pada biometrik sidik jari dan selaput pelangi (iris) mata. Namun demikian, penelitian awal untuk pengenalan wajah telah dimulai dalam kolaborasi dengan peneliti di Swiss German University.  Beberapa penelitian bersama yang telah dipublikasikan pada [3] dan [4]. Fokus penelitian tersebut pada kajian ekstraksi fitur dari wajah, dan dievaluasi dalam studi pengenalan wajah orang dari sketsa semi-forensik.  Dalam pembuatan sketsa wajah, misalnya pelaku kriminal, rekaan wajah dibangun dari serpihan informasi parsial mengenai karakteristik wajah seseorang. Sehingga yang dilukis hanya garis besar atau ciri terpenting wajah seseorang, sedangkan detailnya diabaikan karena tidak dapat diingat dengan jelas. Dari sketsa yang dibuat selanjutnya dilakukan ekstraksi karakteristik, dan kemudian dibandingkan dengan gallery yang berisi foto wajah. Foto wajah yang memiliki karakteristik paling mirip dengan sketsa itu akan ditampilkan sebagai hasil pencarian.  Studi yang dilakukan masih pada tahap awal, tetapi apabila akurasinya telah cukup tinggi, kelak dapat dimanfaatkan untuk mencari identitas pelaku kriminal dari sketsa forensik yang dibuat berdasarkan ingatan korban. Apalagi seandainya dapat digabungkan dengan sidik jari laten yang  diperoleh dari tempat kejadian peristiwa.  Pencarian dengan multimodal biometrik antara sketsa forensik dan sidik jari laten merupakan aplikasi menarik biometrik di bidang forensik masa depan.

14068191_10154383117904477_3762323634947401063_n

Referensi:

1.     Introduction to Biometrics, Anil K. Jain, Arun A. Ross, Karthik Nandakumar, Springer, 2011

2.     50 Years of Biometric Research: Accomplishments, Challenges, and Opportunities, Anil K. Jain, Karthik Nandakumar, Arun Ros, Pattern Recognition Letters, Volume 79, Pages 80-105, ISSN 0167-8655, August 2016

3.     Adrian Rhesa Septian Siswanto, Anto Satriyo Nugroho, Maulahikmah Galinium : Implementation of Face Recognition Algorithm for Biometrics Based Time Attendance System, Proc. Of International Conference on ICT for Smart City (ICISS), Paper code: A-25, 24-25 September 2014

4.     Andrew Japar, Anto Satriyo Nugroho, James Purnama and Maulahikmah Galinium  Evaluation of feature extraction algorithm for multi-ethnic facial sketch recognition, ARPN Journal of Engineering and Applied Sciences, Vol.12, No.2, pp.294-297, January 2017

Iklan

Tentang Anto Satriyo Nugroho

My name is Anto Satriyo Nugroho. I am working as research scientist at Center for Information & Communication Technology, Agency for the Assessment & Application of Technology (PTIK-BPPT : Pusat Teknologi Informasi & Komunikasi, Badan Pengkajian dan Penerapan Teknologi). I obtained my doctoral degree (Dr.Eng) from Nagoya Institute of Technology, Japan in 2003. My office is located in Serpong, Tangerang Selatan City. My research is on pattern recognition and image processing with applied field of interests on biometrics identification & development of computer aided diagnosis for Malaria. Should you want to know further information on my academic works, please visit my professional site at http://asnugroho.net
Pos ini dipublikasikan di research. Tandai permalink.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s