Dalam rangka memberikan proteksi pada akses dan data yang dimiliki user-nya, bisnis terus mengembangkan sistem pengamanan yang lebih baik. Tidak hanya menggunakan kombinasi username dan password atau PIN saja, kini banyak metode lain yang digunakan dan mendasarkan ‘kunci’ akses pada ciri fisik yang dimiliki user. Teknologi ini didukung dengan adanya algoritma machine learning, sehingga sistem dapat terus ‘belajar’ dari data yang disajikan padanya.
Algoritma machine learning sendiri dibuat dengan model cara kerja otak manusia. Algoritma ini akan mencoba meniru proses otak dalam mengenali wajah yang disajikan di depannya, dengan mengekstrak data-data tentang ukuran detail wajah yang ada.
Semua fitur wajah ini dikonversi menjadi data unik dan khas, sehingga tidak mungkin terdapat dua deret data yang 100% sama dan serupa.
Baca Juga: 5 Tipe Payment Fraud dan Upaya Mitigasinya
Penerapannya dalam Face Recognition
Seperti telah disinggung sebelumnya, algoritma machine learning dapat mengekstrak data-data terkait detail wajah seorang user dan menjadikannya deret data numerik untuk dianalisis. Data pada setiap user akan dibedakan dan diberi label, sesuai dengan identitas user tersebut.
Algoritma yang ada akan terus bekerja, terus memproses entri data terbaru dari user, dan memperbarui data yang dimilikinya. Secara alami, seseorang akan mengalami perubahan ciri fisik di bagian wajah. Hal ini yang menjadi data terbaru untuk sistem, agar terus dapat dikenali dan dapat diverifikasi sebagai user yang sama sepanjang waktu.
Tanpa adanya kemampuan ‘belajar’ dari teknologi yang digunakan, maka perubahan-perubahan alami akan menjadi hal yang menghambat proses pengenalan wajah seseorang. Sistem tidak dapat mengenali dan beradaptasi dengan perubahan yang terjadi, sehingga user dianggap tidak lagi memenuhi syarat untuk kecocokan data yang dimasukkan dengan data yang ada di database.
Tahapan dan Cara Kerja Face Recognition
Setelah memahami penerapan algoritma machine learning kini Anda siap untuk mulai memahami tahapan dan cara kerja dari teknologi pengenalan wajah yang telah memiliki kemampuan tersebut.
1. Tahapan dalam Sistem Pengenalan Wajah
Ada empat komponen yang diperlukan dalam proses pembandingan face print dengan database yang dimiliki. Pertama yakni kamera, kemudian face print, database, serta algoritma yang digunakan untuk mengenali dan mengekstrak data dari face print.
Setelah empat komponen di atas terpenuhi, akan ada tiga tahapan utama yang dijalankan dalam pengenalan wajah.
- Detection, sistem akan mengekstrak pola dalam sebuah gambar kemudian membandingkannya. Jika pola serupa, maka sistem akan mengenali pola tersebut sebagai sebuah wajah.
- Faceprint creation, faceprint sendiri adalah model wajah yang dimiliki user. Untuk membuatnya cara yang dilakukan adalah pendekatan geometris dengan mengukur jarak dan relasi spasial antara fitur wajah seperti titik pusat mata, bagian ujung hidung user, hingga bahkan garis bibir guna mengenali wajah. Pendekatan kedua yang digunakan adalah fotometrik, yakni menganalisis foto kemudian membandingkannya dengan database yang dimiliki guna mengenali identitas seseorang berdasarkan statistiknya. Setelah selesai, kemudian dilakukan analisis tekstur wajah untukmemetakan lokasi unk pori-pori, garis, atau bercak pada kulit yang unik.
- Verifikasi atau identifikasi, verifikasi dilakukan dengan membandingkan input foto wajah user dengan data foto user yang membutuhkan autentikasi. Perbandingannya dilakukan dengan konsep 1A-1. Hal ini dapat ditemukan pada cara membuka kunci smartphone, User perlu memasukkan data wajah terlebih dahulu, untuk dijadikan pembanding pada input berikutnya. Proses identifikasi berjalan dengan konsep 1xN, foto input wajah yang ada dibandingkan dengan seluruh foto wajah yang ada di database, untuk menemukan orang yang cocok dengan foto tersebut.
2. Cara Kerja Face Recognition
Untuk cara kerja face recognition yang menggunakan algoritma machine learning sendiri kemudian akan dibagi ke dalam tujuh poin berbeda.
- Pertama, deteksi wajah, dilakukan dengan pengambilan foto wajah dari user dengan pemindaian citra digital dua dimensi, atau tiga dimensi (dalam bentuk foto atau video)
- Kedua, penjajaran. Setelah wajah dideteksi, maka sistem akan menentukan posisi, ukuran, serta sikap kepala. Sistem akan memiliki kriteria tertentu untuk variabel ini agar dapat dianalisis.
- Ketiga, pengukuran. Sistem akan mengukur lekukan dan detail profil wajah seseorang menggunakan skala sub-milimeter untuk membuat template atau faceprint.
- Keempat, representasi. Template yang sudah dibuat akan diterjemahkan ke dalam deret kode unik yang merepresentasikan wajah user.
- Kelima, pencocokan. Setelah tahap representasi tadi, proses pencocokan dilakukan. Idealnya pencocokan dilakukan dengan data sejenis, misalnya data dua dimensi akan dicocokkan dengan data dua dimensi yang tersimpan, demikian halnya dengan data tiga dimensi.
- Keenam, verifikasi atau identifikasi. Proses verifikasi ini dilakukan dengan mencocokkan citra satu banding satu, dan proses identifikasi dilakukan dengan mencocokkan citra satu banding banyak.
- Ketujuh, analisis tekstur wajah. Penggunaan ciri biometrik dan keunikan tekstur kulit untuk meningkatkan akurasi hasil pencocokan dilakukan dengan memanfaatkan algoritma machine learning. Dengan demikian data yang diperoleh akan semakin akurat.
Baca Juga: 3 Cara Tingkatkan Pengalaman Pelanggan di Proses Verifikasi
Optimasi algoritma machine learning jelas diperlukan agar sistem face recognition yang Anda gunakan selalu up-to-date dan mampu mengenali user dengan perubahan alaminya. Untuk memperoleh produk verifikasi seperti ini, Anda dapat mengandalkan Face Recognition yang merupakan produk dari Verihubs. Produk ini diperkuat dengan teknologi AI, sehingga kualitas pencocokan yang diberikan benar-benar maksimal. Dengan demikian output yang Anda peroleh akan akurat, efisien, dan membuat user merasa nyaman. Segera hubungi layanan pelanggan kami sekarang juga, dan dapatkan produk terbaik dari Verihubs!
