Dalam postingan blog ini, kita akan melihat secara sederhana dan lugas prinsip dan proses di balik bagaimana komputer mengenali wajah manusia.
Apa Prinsip-Prinsip yang Mendasari Pengenalan Wajah?
Anda mungkin pernah memainkan permainan setidaknya sekali saat masih kecil di mana Anda harus melengkapi wajah manusia. Dalam permainan ini, Anda pertama-tama memilih bentuk wajah, kemudian memilih gaya rambut, mata, hidung, dan mulut satu per satu dan menempatkannya di wajah. Dengan berganti-ganti antara berbagai gaya rambut, mata, hidung, dan mulut, Anda dapat menciptakan wajah yang Anda inginkan. Cara komputer mengenali dan membandingkan wajah tidak jauh berbeda dari ini. Komputer mengidentifikasi dan menyimpan fitur wajah; ketika foto wajah baru dimasukkan, komputer membandingkannya dengan fitur yang tersimpan untuk menentukan siapa orang tersebut.
Salah satu contoh teknologi pengenalan wajah yang mudah diakses baru-baru ini adalah aplikasi pengenalan wajah (App). Aplikasi ini mengekstrak dan menyimpan fitur-fitur utama—seperti kontur wajah, mata, hidung, dan mulut—dari foto-foto selebriti. Kemudian, ketika wajah seseorang difoto melalui kamera, aplikasi tersebut mengekstrak fitur wajah dengan cara yang sama dan membandingkannya dengan fitur wajah selebriti yang tersimpan untuk mengidentifikasi dan menampilkan orang yang paling mirip.
Bagaimana komputer mengenali wajah?
Sekarang, mari kita periksa proses pengenalan wajah pada komputer. Pengenalan wajah terdiri dari empat tahap utama: input, deteksi wajah, ekstraksi fitur, dan perbandingan.
Pada tahap input, satu frame dari foto atau video dikirimkan ke komputer melalui perangkat input. Umumnya, semakin tinggi resolusi perangkat input dan semakin tinggi frame per second (FPS), semakin akurat wajah dapat dikenali. Prinsip ini mirip dengan bagaimana seseorang dengan penglihatan yang baik dapat mengenali wajah seseorang yang berdiri jauh dengan lebih akurat.
Pada tahap deteksi wajah, sistem pertama-tama memeriksa apakah wajah ada dalam foto atau video masukan. Untuk melakukan ini, sistem mengidentifikasi garis luar wajah dan fitur-fitur utama seperti mata, hidung, dan mulut. Meskipun berbagai teknik deteksi wajah saat ini digunakan, di sini kita akan fokus pada metode deteksi Haar-like yang representatif.
Metode deteksi Haar-like memanfaatkan wavelet Haar. Wavelet adalah pola persegi panjang sederhana yang terdiri dari wilayah hitam dan putih. Wilayah hitam dan putih ini digunakan untuk mengidentifikasi area dalam gambar di mana terjadi perbedaan kecerahan. Dengan menerapkan wavelet dengan berbagai ukuran dan bentuk di seluruh gambar atau video masukan, dan kemudian hanya mempertahankan lokasi di mana perbedaan kecerahan antara wilayah hitam dan putih signifikan, sistem dapat secara efektif mendeteksi garis luar wajah dan fitur wajah utama seperti mata, hidung, mulut, dan alis. Lebih lanjut, proses ini juga memungkinkan ekstraksi informasi posisi mengenai fitur wajah.
Sebagai contoh, ketika mengekstrak informasi tentang mata, wilayah hitam pada wavelet diposisikan agar sesuai dengan area yang relatif gelap—seperti pupil—sementara wilayah putih sesuai dengan area yang terang, seperti kulit. Dengan memanfaatkan perbedaan kecerahan ini, posisi dan bentuk mata dapat dideteksi secara efektif.
Bagaimana fitur wajah diekstraksi?
Setelah tahap deteksi wajah selesai, sistem akan menentukan apakah akan melanjutkan ke tahap ekstraksi fitur.
Pada tahap ekstraksi fitur, fitur wajah diekstrak untuk memanfaatkan sepenuhnya komponen wajah yang diidentifikasi selama tahap deteksi wajah. Tidak seperti tahap deteksi wajah, proses ini melibatkan langkah pra-pemrosesan. Karena sudut rotasi, ukuran, dan intensitas pencahayaan wajah bervariasi pada setiap foto atau video, proses normalisasi dilakukan untuk menstandarkannya semaksimal mungkin. Selain itu, foto atau video berwarna dapat dikonversi menjadi gambar hitam-putih sesuai kebutuhan.
Sebagai contoh, foto asli diubah menjadi skala abu-abu, kemudian hanya bagian wajah yang dipotong dan diubah ukurannya menjadi ukuran yang seragam, dan dilakukan pemerataan histogram untuk mengoreksi kecerahan. Dengan menggunakan informasi posisi komponen wajah yang diperoleh selama tahap deteksi wajah, fitur wajah diekstrak dari foto atau video yang telah melalui pra-pemrosesan ini.
Bagaimana fitur wajah yang diekstrak digunakan?
Selama tahap perbandingan, informasi tentang komponen wajah yang diekstrak ini disimpan dalam basis data (DB) atau dibandingkan dengan data wajah yang sudah ada untuk mengidentifikasi kecocokan terbaik.
Kita telah membahas proses pengenalan wajah berbasis komputer. Beberapa dekade yang lalu, gagasan tentang komputer yang dapat membedakan antara orang-orang tampak seperti teknologi yang jauh dari kenyataan. Namun, dengan kemajuan pesat perangkat keras, perangkat lunak, dan teknologi kecerdasan buatan komputer, pengenalan wajah kini banyak digunakan di berbagai bidang—termasuk ponsel pintar dan laptop, serta kontrol akses, layanan keuangan, dan keamanan bandara. Saat ini, teknologi yang memungkinkan komputer untuk mengenali wajah manusia bukan lagi cerita masa depan, tetapi telah menjadi teknologi yang secara alami terintegrasi ke dalam kehidupan kita sehari-hari.
