Produk
Phone Number Verification
Phone Number Verification
Verifikasi nomor telepon pengguna secara real-time.
Phone Number Verification
Phone Number Verification
Identity Verification
Identity Verification
Verifikasi Identitas Pengguna dengan sumber data yang terpercaya.
Identity Verification
Identity Verification
Biometric Verification
Biometric Verification
Kenali identitas wajah pengguna dengan teknologi Artificial Intelligence.
Biometric Verification
Biometric Verification
Business Verification
Business Verification
Hindari risiko bisnis dengan mengenali rekan bisnis anda.
Business Verification
Business Verification
Employee Verification
Employee Verification
Verifikasi identitas lengkap untuk calon karyawan.

Kupas Tuntas Soal Sistem Pengenalan Wajah dan Algoritmanya

sistem pengenalan wajah

Seperti yang telah diketahui, bahwa wajah manusia memiliki karakteristik unik dan berbeda antara satu dengan yang lainnya, maka sistem pengenalan wajah menjadi salah satu sumber identifikasi yang diperlukan selain pemindaian biometrik lainnya seperti sidik jari. Istilah Face Recognition Technology atau sistem pengenalan wajah ini merupakan sebuah teknologi yang mampu mengidentifikasi atau memverifikasi subjek melalui gambar, video, atau elemen audiovisual apa pun dari wajah seseorang. Hingga saat ini, face recognition technology terus mengalami proliferasi yang luas.

Face recognition technology memberikan identifikasi pribadi yang murah dan andal yang dapat diterapkan di berbagai bidang. Beberapa di antaranya adalah untuk mengidentifikasi pelaku kejahatan, memperkuat langkah-langkah keamanan, membantu menemukan orang hilang, mendiagnosis penyakit, membantu investigasi forensik, membantu penyandang disabilitas tuna netra, mengidentifikasi orang di platform media sosial, membuka ponsel, hingga kontrol akses area sensitif seperti laboratorium, ruang rapat, brankas bank, dan lokasi sensitif lainnya. Bahkan juga bisa digunakan untuk memfasilitasi keamanan transaksi keuangan, serta validasi identitas di Anjungan Tunai Mandiri (ATM).

Seberapa Akurat Sistem Pengenalan Wajah?

sistem pengenalan wajah
Sumber: Freepik

Studi mengenai sistem pengenalan wajah berkaitan dengan pengenalan pola, penggunaan kecerdasan buatan agar komputer dapat memperoleh pemahaman tingkat tinggi dari gambar atau video digital dan bidang terkait lainnya. Akurasi pengenalan menjadi faktor penting dalam sistem pengenalan wajah, di mana faktor lingkungan, kualitas gambar, pergeseran dan penskalaan gambar adalah faktor umum yang mempengaruhi akurasi pengenalan. Terkadang, faktor-faktor ini akan membuat gambar tidak ideal untuk dikenali dengan akurasi yang menurun.

Perlu diketahui, bahwa akurasi pengenalan wajah didapat dari algoritma. Algoritma adalah sekumpulan instruksi yang terstruktur dan terbatas yang diimplementasikan ke dalam bentuk program komputer untuk menyelesaikan suatu masalah komputasi tertentu. Sederhananya, algoritma adalah suatu prosedur atau alur dari sebuah kejadian.

Pengujian yang dilakukan oleh National Institute of Standards and Technology (NIST) pada Maret 2020 lalu, menunjukkan bahwa algoritma pengenalan wajah terbaik memiliki tingkat kesalahan hanya 0,08%. Sementara itu, penelitian yang diterbitkan pada April 2020 oleh Center for Strategic and International Studies (CSIS), menunjukkan bahwa sistem pengenalan wajah memiliki presisi hampir mutlak dalam kondisi ideal dan mencapai tingkat akurasi pengenalan 99,97%. Hal ini sebagaimana dilansir dari laman Disdukcapil Pontianak. 

Baca juga: Apa itu Liveness Detection untuk Face Recognition? Ini Penjelasannya

Seperti Apa Algoritma Sistem Pengenalan Wajah?

Algoritma sistem pengenalan wajah secara umum yang digunakan saat ini di antaranya adalah sebagai berikut:

  • Berbasis penampilan, di mana algoritma tidak fokus pada geometri wajah dan reflektansi. 
  • Berbasis fitur, di mana algoritma menggunakan fitur wajah, seperti hidung, mata, dan mulut.
  • Hibrida, di mana algoritma kompleks berdasarkan campuran dari dua yang disebutkan di atas, yang dibuat untuk mengurangi adanya tingkat kecocokan palsu.

Beberapa algoritma terkenal yang digunakan dalam klasifikasi wajah adalah algoritma Eigenfaces dengan metode Principal Component Analysis (PCA). Algoritma ini dapat mereduksi dimensi gambar wajah, lalu akan menghasilkan variabel yang lebih sedikit sehingga lebih mudah untuk diobservasi dan ditangani. Selain itu, terdapat algoritma Support Vector Machine (SVM) yang menggunakan algoritma klasifikasi untuk data linear dan non-linear. Dan ada juga algoritma K-Nearest Neighbour (KNN) yaitu sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut, serta algoritma Convolutional Neural Network (CNN) yang merupakan jaringan saraf tiruan, yang paling umum diterapkan untuk menganalisis citra visual.

Algoritma-algoritma tersebut dapat membantu para pengembang untuk memilih algoritma pengenalan wajah mana yang terbaik, yang sesuai implementasi dari bidang yang sedang ditekuni.

Bagaimana Cara Kerjanya?

sistem pengenalan wajah
Sumber: Freepik

Hampir semua perangkat lunak biometrik wajah modern dibangun di atas pembelajaran mesin dan algoritma pengenalan wajah yang dilatih pada kumpulan data yang besar. Kualitas dan sifat kumpulan data ini memiliki dampak yang signifikan terhadap akurasi, di mana semakin baik data awal, maka akan semakin baik algoritma dalam mengatasi tugas.

Salah satu contoh di Indonesia untuk data awal atau data besar wajah adalah otentikasi wajah penduduk yang didapatkan dari tahap pemotretan pada aktivitas perekaman KTP elektronik. Data besar wajah inilah yang akan menjadi rujukan pengembangan algoritma sistem pengenalan wajah untuk kemudian dapat dimanfaatkan sesuai regulasi yang berlaku.

Algoritma sistem pengenalan wajah terdiri dari dua tahap yaitu identifikasi dan verifikasi dan secara umum urutan tindakan algoritmanya adalah sebagai berikut:

  • Deteksi wajah, di mana algoritma akan menyoroti wajah orang dalam gambar.
  • Deteksi fitur wajah, yaitu pada saat ini algoritma menghitung titik antropometri wajah.
  • Normalisasi wajah, di mana sistem pengenalan wajah melakukan transformasi gambar tambahan (penghapusan kemiringan kepala, koreksi warna wajah) untuk mendapatkan gambar frontal yang jelas.
  • Ekstraksi fitur dan komputasi deskriptor, di mana sebuah deskriptor akan dihitung (satu set karakteristik yang menggambarkan wajah dan terlepas dari faktor lain seperti usia, gaya rambut, ataupun makeup). Membandingkan deskriptor yang berbeda akan memungkinkan untuk menilai apakah dua gambar wajah yang diterima merujuk pada orang yang sama.
  • Verifikasi, yaitu template digital yang dihasilkan akan dibandingkan dengan wajah-wajah yang dikenal dalam database untuk menyelesaikan proses identifikasi.

Baca juga: Memahami Face Recognition dan Perbedaannya dengan Face Detection

Verifikasi Kemiripan Wajah dengan Face Recognition Verihubs, Hanya dalam Hitungan Detik!

Verihubs hadir menawarkan dua fitur untuk Biometric Verification yang sangat unggul, yaitu Face Recognition yang diperkuat dengan teknologi AI sehingga dapat mengenali identitas asli melalui perbandingan wajah antara selfie dan foto KTP atau suatu database dengan cepat. Dan yang kedua adalah Liveness Detection, di mana fitur ini memungkinkan sistem mendeteksi objek di depan kamera secara akurat dan memastikan objek tersebut merupakan identitas asli yang hidup dan bukan representasi foto atau topeng.

Dengan sistem Biometric Verification dari Verihubs, maka data pengguna akan lebih terjamin keamanannya, berkat perlindungan kuat yang diberikan. Silakan gunakan produk Verihubs sekarang dengan menghubungi layanan pelanggan kami untuk mendapatkan perlindungan ekstra terhadap data bisnis Anda!