Pengenalan Wajah

Pengenalan Wajah

Proses pengenalan wajah yang dilakukan oleh komputer tidak semudah dan secepat dibandingkan dengan proses pengenalan yang dilakukan oleh manusia. Manusia dengan mudah dapat mengenali wajah seseorang dengan sangat cepat tanpa rasanya harus berfikir. Manusia juga tidak terpengaruh oleh orientasi wajah orang tersebut, misalnya orang tersebut dalam keadaan agak menoleh, menunduk, menengadah asal dalam batas-batas yang masih dapat dilihat. Sedangkan komputer selain lambat dalam pengenalan, juga kesulitan pada orientasi wajah yang berlainan, pencahayaan, latar belakang yang berbeda, potongan rambut, kumis atau jenggot, kacamata dan lain sebagainya. Memang otak manusia lebih memiliki keuntungan dalam mengatasi masalah dimana aturan eksplisit tidak dapat dengan mudah diformulasikan, sedangkan komputer mempunyai keuntungan pada bidang seperti matematika dimana aturan-aturan mudah diformulasikan.

Oleh karena itu banyak dilakukan penelitian untuk mencari algoritma-algoritma yang tepat bagi komputer agar dapat mengenali suatu wajah yang diinputkan dengan memperhatikan faktor kecepatan dan akurasinya.

Sejarah Pengenalan Wajah

Pokok persoalan dari pengenalan wajah memiliki usia yang sama dengan visi komputer, dikarenakan arti penting praktis dari topik dan perhatian teoritis dari sejumlah ilmuwan. Di samping fakta bahwa metode identifikasi yang lain (seperti sidik jari, atau deteksi selaput mata) dapat lebih akurat, pengenalan wajah selalu menjadi fokus utama dari penelitian dikarenakan sifatnya yang tidak tetap dan karena hal ini merupakan metode utama dalam mengidentifikasi seseorang.

Contoh dari sistem pengenalan wajah paling awal yang terkenal adalah Kohonen, yang menunjukkan bahwa suatu jaringan syaraf yang sederhana dapat digunakan untuk melakukan pengenalan wajah dari suatu citra. wajah yang telah diluruskan dan dinormalisasi. Jaringan tersebut digunakan untuk melakukan perhitungan terhadap suatu gambaran wajah dengan memperkirakan vektor-vektor eigen dari matriks autocorrelation suatu citra wajah, vektor-vektor eigen ini dikenal sebagai ’eigenfaces’. Sistem milik Kohonen tersebut tidak sepenuhnya berhasil, bagaimanapun dikarenakan kebutuhan untuk pelurusan dan normalisasi yang akurat maka pada tahun-tahun selanjutnya banyak peneliti yang mencoba skema pengenalan wajah berbasis pada tepi, jarak antar fitur, dan pendekatan jaringan syaraf yang lain.

Ketika beberapa peneliti berhasil pada database kecil dari citra yang telah diluruskan, tetapi tidak ada yang berhasil mengalamatkan masalah yang lebih nyata dari database besar dimana lokasi dan skala dari wajah tidak diketahui.

Kemudian, Kirby dan Sirovich (1989) memperkenalkan suatu manipulasi aljabar yang memudahkan untuk menghitung eigenfaces secara langsung, dan menunjukkan bahwa dibutuhkan kurang dari 100 baris kode untuk melakukan pelurusan secara akurat dan normalisasi citra wajah. Selanjutnya, Turk dan Pentland (1991) menunjukkan kesalahan yang tersisa ketika mengkodekan eigenfaces dapat digunakan untuk mendeteksi wajah pada latar belakang yang rumit dan menentukan lokasi dan skala yang tepat dari wajah yang berada dalam suatu citra. Mereka kemudian menunjukkan bahwa dengan menggabungkan metode ini untuk mendeteksi dan menentukan lokasi dari wajah dengan metode pengenalan eigenfaces, satu-satunya yang dapat mencapai pengenalan wajah yang akurat dan real-time pada keadaan lingkungan yang minimal. Hal ini menunjukkan bahwa teknik pengenalan pola yang sederhana dan real-time dapat digabungkan untuk membuat sistem yang berguna dan memicu munculnya ketertarikan pada topik pengenalan wajah.

Pada 20 tahun terakhir, para peneliti telah membuat kemajuan yang besar dan mengusulkan beberapa strategi yang kebanyakan mengacu pada pengenalan citra wajah secara frontal pada database citra wajah yang kecil membatasi kondisi citra. Sementara baru-baru ini, banyak yang mengalihkan perhatiannya pada database besar, multi pose, pengenalan wajah yang real-time dan praktis, dengan kondisi yang kurang pada citra. Pada tahun 1970 dan 1980, metode-metode tradisional seperti strategi pencocokkan berdasarkan fitur dan template mulai populer, sementara pada tahun 1990 metode berbasis transformasi dan jaringan syaraf tiruan (JST) dikabarkan memberikan kinerja yang lebih baik.

Bidang Pengenalan Wajah

Banyak penelitian yang dilakukan oleh para ahli komputer untuk menganalisa wajah manusia. Penelitian tentang wajah ini terdiri dari beberapa bidang. Misalnya bidang pendeteksian wajah, maksudnya penelitian dilakukan untuk mencari lokasi wajah yang ada dalam image. Jadi dimasukkan sebuah foto kedalam program komputer melalui scanner, dan nanti program akan menentukan lokasi-lokasi mana saja yang terdapat wajah.

Bidang yang lain yaitu pencarian feature dari wajah. Yang dimaksud feature dari wajah adalah hidung, mata, alis, telinga, mulut, dan lain sebagainya. Jadi program akan menerima input wajah gambar, dan setelah diproses akan menghasilkan lokasi-lokasi mana saja yang terdapat feature-feature tersebut.

Ada juga penelitian tentang ekspresi wajah. Dengan training yang cukup, maka program akan mengenali ekspresi input testing berupa wajah gambar yang dimasukkan, apakah wajah tersebut marah, sedih, tertawa, dan lain sebagainya.

Selain pengklasifikasian ekspresi, para ahli juga berusaha mengklasifikasikan jenis kelamin. Program akan dapat mengenali jenis kelamin dari foto orang yang diinputkan kedalamnya.

Beberapa contoh aplikasi dari pengenalan wajah oleh komputer adalah :
•Pengenalan kredit card, Surat Izin Mengemudi (SIM), passport.
•Pengenalan wajah untuk sekuritas sebagai pengganti tanda tangan atau sidik jari, misal untuk verifikasi credit card.
•Pengenalan pasien yang tidak sadarkan diri.
•Pengenalan orang hilang atau seorang kriminal.
•Pengontrolan masyarakat, seperti kamera di bank sehingga dapat mengidentifikasi bila ada orang jahat yang masuk ke bank.
•Rekonstruksi wajah sesuai dengan bayangan dari saksi pada suatu peristiwa kejahatan.
•Klasifikasi jenis kelamin.


Referensi :
-Moghaddam, Baback, Face Recognition, http://www-white.media.mit.edu/vismod/demos/facerec/index.html