Dalam catatan blog ini, kita akan melihat secara ringkas dan terus terang prinsip dan proses di sebalik bagaimana komputer mengenali wajah manusia.

Apakah Prinsip-prinsip yang mendasari Pengecaman Wajah?

Anda mungkin pernah bermain permainan sekurang-kurangnya sekali semasa kecil di mana anda perlu melengkapkan wajah manusia. Dalam permainan ini, anda mula-mula memilih bentuk wajah, kemudian memilih gaya rambut, mata, hidung dan mulut satu persatu dan meletakkannya di wajah. Dengan bertukar antara pelbagai gaya rambut, mata, hidung dan mulut, anda boleh mencipta wajah yang anda inginkan. Cara komputer mengenali dan membandingkan wajah tidak jauh berbeza daripada ini. Komputer mengenal pasti dan menyimpan ciri-ciri wajah; apabila foto wajah baharu dimasukkan, mereka membandingkannya dengan ciri-ciri yang disimpan untuk menentukan siapa orang itu.
Satu contoh teknologi pengecaman wajah terkini yang mudah diakses ialah aplikasi pengecaman wajah (App). Aplikasi ini mengekstrak dan menyimpan ciri-ciri utama—seperti kontur wajah, mata, hidung dan mulut—daripada foto selebriti. Kemudian, apabila wajah seseorang dirakam melalui kamera, aplikasi tersebut mengekstrak ciri-ciri wajah dengan cara yang sama dan membandingkannya dengan ciri-ciri wajah selebriti yang disimpan untuk mengenal pasti dan memaparkan orang yang paling hampir sepadan.

Bagaimanakah komputer mengenali wajah?

Sekarang, mari kita kaji proses pengecaman wajah komputer. Pengecaman wajah terdiri daripada empat peringkat utama: input, pengesanan wajah, pengekstrakan ciri dan perbandingan.
Dalam peringkat input, satu bingkai daripada foto atau video dihantar ke komputer melalui peranti input. Secara amnya, semakin tinggi resolusi peranti input dan semakin tinggi bingkai sesaat (FPS), semakin tepat wajah dapat dikenali. Prinsip ini serupa dengan bagaimana seseorang yang mempunyai penglihatan yang baik dapat mengenali wajah seseorang yang berdiri jauh dengan lebih tepat.
Dalam peringkat pengesanan wajah, sistem akan menyemak terlebih dahulu sama ada wajah terdapat dalam foto atau video input. Untuk melakukan ini, ia mengenal pasti garis luar wajah dan ciri-ciri utama seperti mata, hidung dan mulut. Walaupun pelbagai teknik pengesanan wajah sedang digunakan, kami akan menumpukan perhatian di sini pada kaedah pengesanan seperti Haar yang representatif.
Kaedah pengesanan seperti Haar menggunakan wavelet Haar. Wavelet ialah corak segi empat tepat ringkas yang terdiri daripada kawasan hitam dan putih. Kawasan hitam putih ini digunakan untuk mengenal pasti kawasan dalam imej di mana perbezaan kecerahan berlaku. Dengan menggunakan wavelet pelbagai saiz dan bentuk merentasi keseluruhan imej atau video input, dan kemudian hanya mengekalkan lokasi di mana perbezaan kecerahan antara kawasan hitam dan putih adalah ketara, sistem ini dapat mengesan garis besar wajah dan ciri-ciri wajah utama seperti mata, hidung, mulut dan kening dengan berkesan. Tambahan pula, proses ini juga membolehkan pengekstrakan maklumat kedudukan mengenai ciri-ciri wajah.
Contohnya, apabila mengekstrak maklumat tentang mata, kawasan hitam pada wavelet diletakkan untuk sepadan dengan kawasan yang agak gelap—seperti anak mata—manakala kawasan putih sepadan dengan kawasan yang terang, seperti kulit. Dengan menggunakan perbezaan kecerahan ini, kedudukan dan bentuk mata dapat dikesan dengan berkesan.

Bagaimanakah ciri-ciri wajah diekstrak?

Sebaik sahaja peringkat pengesanan wajah selesai, sistem akan menentukan sama ada untuk meneruskan ke peringkat pengekstrakan ciri.
Dalam peringkat pengekstrakan ciri, ciri-ciri wajah diekstrak untuk menggunakan sepenuhnya komponen wajah yang dikenal pasti semasa peringkat pengesanan wajah. Tidak seperti peringkat pengesanan wajah, proses ini melibatkan langkah pra-pemprosesan. Memandangkan sudut putaran, saiz dan keamatan pencahayaan wajah berbeza-beza dengan setiap gambar atau video, proses normalisasi dilakukan untuk menyeragamkannya sebanyak mungkin. Selain itu, gambar atau video berwarna boleh ditukar kepada imej hitam putih mengikut keperluan.
Contohnya, foto asal ditukar kepada skala kelabu, kemudian hanya kawasan muka dipangkas dan diubah saiznya kepada saiz yang seragam, dan penyamaan histogram dilakukan untuk membetulkan kecerahan. Menggunakan maklumat kedudukan komponen muka yang diperoleh semasa peringkat pengesanan muka, ciri-ciri muka diekstrak daripada foto atau video yang telah menjalani prapemprosesan ini.

Bagaimanakah ciri-ciri wajah yang diekstrak digunakan?

Semasa peringkat perbandingan, maklumat mengenai komponen muka yang diekstrak ini sama ada disimpan dalam pangkalan data (DB) atau dibandingkan dengan data muka sedia ada untuk mengenal pasti padanan terbaik.
Kita kini telah mengkaji proses pengecaman wajah berasaskan komputer. Hanya beberapa dekad yang lalu, idea komputer yang membezakan antara manusia kelihatan seperti teknologi yang jauh dari realiti. Walau bagaimanapun, dengan kemajuan pesat perkakasan, perisian dan teknologi kecerdasan buatan komputer, pengecaman wajah kini digunakan secara meluas dalam pelbagai bidang—termasuk telefon pintar dan komputer riba, serta kawalan akses, perkhidmatan kewangan dan keselamatan lapangan terbang. Hari ini, teknologi yang membolehkan komputer mengenali wajah manusia bukan lagi kisah masa depan tetapi telah menjadi teknologi yang secara semula jadi disepadukan dalam kehidupan seharian kita.