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.
