Penerapan Face Recognition dengan Metode Eigenface pada Sistem Pengenalan Wajah untuk Sistem Keamanan Pintu
Abstrak
Abstrak — Keamanan merupakan salah satu aspek esensial dalam kehidupan modern yang terus ditingkatkan melalui berbagai inovasi teknologi. Salah satu teknologi yang semakin populer dalam meningkatkan keamanan adalah pengenalan wajah (face recognition). Penelitian ini bertujuan untuk mengimplementasikan metode Eigenface pada sistem pendeteksian wajah untuk keamanan pintu dengan beberapa tujuan utama: meningkatkan akurasi pengenalan wajah dalam berbagai kondisi pencahayaan dan pose, mengoptimalkan kecepatan proses identifikasi untuk aplikasi real-time, serta menguji dan mengevaluasi kinerja sistem dalam berbagai kondisi lingkungan. Metode Eigenface, yang berdasarkan pada analisis komponen utama (Principal Component Analysis/PCA), memungkinkan pengurangan dimensi data citra wajah dan ekstraksi fitur-fitur penting sehingga mendukung proses pengenalan wajah dengan cepat dan akurat. Pengujian menunjukkan bahwa sistem memiliki akurasi pengenalan yang cukup tinggi, yaitu 93% pada siang hari dan 63% pada malam hari. Selain itu, sistem ini mampu mengenali wajah dengan tingkat akurasi 96% berdasarkan variasi raut wajah. Hasil ini menunjukkan potensi besar dari metode Eigenface dalam aplikasi keamanan, namun diperlukan optimasi lebih lanjut untuk meningkatkan performa dalam kondisi pencahayaan yang rendah dan beragam ekspresi wajah.
Kata kunci— Pengenalan wajah, Eigenface, PCA, Keamanan pintu, Identfikasi wajah, Akses kontrol
Referensi
D. K. M A Imran, M S U Miah, H Rahman, A
Bhowmik,
vol. 118, no. March 2019, pp. 12–16, 2015, doi: 10.5120/20740-3119.
Z. Liu, P. Luo, X. Wang, and X. Tang,
learning face attributes in the wild,= Proc. IEEE Int.
Conf. Comput. Vis., vol. 2015 Inter, pp. 3730–3738,
, doi: 10.1109/ICCV.2015.425.
Recognition Techniques,= J. Inf. Process. Syst., vol.
, no. 2, pp. 41–68, 2009, doi:
3745/jips.2009.5.2.041.
Z. Zhang, S. Qiao, C. Xie, W. Shen, B. Wang, and A.
L. Yuille,
Enriched Semantics,= Proc. IEEE Comput. Soc.
Conf. Comput. Vis. Pattern Recognit., pp. 5813–
, 2018, doi: 10.1109/CVPR.2018.00609.
K. Zhang, Z. Zhang, Z. Li, and Y. Qiao,
Detection and Alignment Using Multitask Cascaded
Convolutional Networks,= IEEE Signal Process.
Lett., vol. 23, no. 10, pp. 1499–1503, 2016, doi:
1109/LSP.2016.2603342.
W. Liu et al.,
Detector=.
F. Schroff and J. Philbin,
Embedding for Face Recognition and Clustering=.
J. Deng, J. Guo, J. Yang, N. Xue, I. Kotsia, and S.
Zafeiriou,
for Deep Face Recognition,= vol. 14, no. 8, pp. 1–17,
L. Sirovich and M. Kirby,
procedure for the characterization of human faces,=
J. Opt. Soc. Am. A, vol. 4, no. 3, p. 519, 1987, doi:
1364/josaa.4.000519.
O. M. Parkhi,
Recognit., no. Section 3, pp. 31–47, 2015, doi:
1201/9781003091356-4.
