Face Recognition Software deteksi wajah

Cerita di atas menggambarkan pemanfaatan face recognition yang ditanam pada sistem keamanan sebuah mal. Sistem ini akan sangat membantu menjaga keamanan pusat-pusat keramaian.

Seringkali kita bertemu dengan seseorang yang rasanya pernah kita kenal. Setelah sedikit berbasa-basi, kita tahu bahwa dia adalah teman waktu SD dulu. Ini adalah bukti bahwa manusia memiliki kecerdasan untuk mengenali wajah. Kecerdasan inilah yang akan diadaptasi oleh komputer dengan nama face recognition.

Pada 1960-an, para ilmuwan telah mulai meneliti bagaimana komputer bisa mengenali wajah manusia. Sejak saat itu, software pengenal wajah telah banyak berkembang. Setiap wajah memiliki kontur khusus yang membedakannya dengan wajah yang lain. Paling tidak, ada 80 titik kontur yang dapat diukur dengan software, di antaranya adalah jarak antara kedua mata, lebar hidung, kedalaman lekuk mata, bentuk tulang pipi, dan panjang rahang.

Titik-titik kontur tersebut diukur menggunakan kode numerik, disebut faceprint, yang disimpan dalam database. Pada mulanya, software face recognition mengandalkan foto wajah dua dimensi (2D) untuk dibandingkan, atau diidentifikasi dengan foto wajah 2D lainnya dalam database.

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.

Belum lagi perbedaan pencahayaan dan mimik wajah yang dapat mengakibatkan tidak dikenalinya foto wajah orang yang telah tersimpan di dalam database. Untuk mengatasi kelemahan inilah dikembangkan software pengenal wajah yang menggunakan model tiga dimensi (3D).

Face Recognition 3D
Penggunaan model 3D dalam software face recognition diklaim memiliki tingkat akurasi yang lebih tinggi. Face recognition 3D ini menangkap foto permukaan wajah manusia secara 3D. Software ini mengenali bagian-bagian khusus pada wajah manusia, yakni jaringan otot dan tulang wajah yang menonjol, seperti bentuk cekungan mata, hidung, dan dagu.

Face recognition 3D ini dapat mengenali wajah manusia dalam kegelapan dan dari sudut pandang yang berbeda, hingga 90 derajat. Adapun urutan langkah-langkah software ini dalam mengenali wajah manusia, antara lain:

• Deteksi – pengambilan foto wajah manusia yang dilakukan dengan men-scan foto 2D secara digital, atau menggunakan video untuk mengambil foto wajah 3D.
• Penjajaran – saat berhasil mendeteksi wajah, software akan menentukan posisi, ukuran, dan sikap kepala. Software 3D mampu mengenali foto wajah hingga 90 derajat, sementara pada sofware 2D, posisi kepala harus menghadap kamera paling tidak 35 derajat.
• Pengukuran – software mengukur lekukan yang ada di wajah menggunakan skala sub-milimeter (microwave), dan membuat template.
• Representasi – template tersebut diterjemahkan ke dalam sebuah kode unik, yang merepresentasikan setiap wajah.
• 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 mengidentifikasi beberapa titik (biasanya tiga titik), antara lain mata bagian luar dan dalam, serta ujung hidung. Berdasarkan hasil pengukuran ini, software akan mengubah gambar 3D menjadi 2D, dan membandingkannya dengan gambar 2D yang ada dalam database.
• Verifikasi atau Identifikasi – verifikasi adalah pencocokkan satu berbanding satu, misalnya foto wajah yang diambil dicocokkan dengan database dari DPO kasus perampokan. Software akan langsung memberitahukan identitas DPO tersebut. Sedangkan identifikasi adalah pembandingan foto wajah yang diambil dengan seluruh gambar yang memiliki kemiripan dalam database, termasuk DPO dari kasus lain.
• 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. Faktor 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