Pengenalan Wajah: Tahapan Mempelajari Wajah
Analisa wajah merupakan suatu hal yang cukup menantang dalam topik Computer Vision, untuk mengerti tentang wajah, bagaimana mengambil informasi dari wajah, lokalisasi bagian wajah, pose, jenis kelamin, identitas, umur, emosi, atau penyakit kejiwaan yang diderita seseorang yang terpancar di wajah, dan beberapa informasi lainnya.
Implementasi yang paling umum dari analisa wajah adalah pengenalan identitas dari seseorang, mendeteksi seseorang melalui video, auntentifikasi aktif menggunakan smartphone, transaksi pembayaran mengunakan biometric wajah, smart cars yang mampu mendeteksi apakah pengemudinya mengantuk atau tidak.
Dalam menganalisa wajah ada tiga tahapan yang biasanya dilakukan dalam sistem yang otomatis. Adapun tahapan tersebut adalah:
- Pendeteksian lokasi wajah
Algoritma pendeteksi ini digunakan untuk mendeteksi lokasi wajah pada gambar dan video, yang mampu mendeteksi wajah dalam variasi pose, pencahayaan, ukuran. Wajah yang dideteksi akan diberikan kota yang ukurannya sama persis dengan ukuran wajah tersebut, tujuannya untuk mengurangi background yang akan mengurangi kinerja dari analisis wajah tersebut. Algoritma yang paling mutahir saat ini mampu mendeteksi beberapa wajah sekaligus dalam sebuah gambar atau video.
- Pendeteksian titik penting wajah (Fiducial Point)
Algoritma Pendeteksi Fiducial Point atau facial landmark ini digunakan untuk melokalisasi posisi dimana titik-titik penting diwajah, seperti titik pusat mata, ujung hidung, tepi mulut dan berbagai titik penting lainnya. Titik penting ini memiliki peranan penting dalam proses analisis wajah, titik penting ini dapat digunakan untuk menseleksi bagian dari wajah seperti mata, hidung, mulut, alis dan sebagainya, selain itu fiducial point ini dapat digunakan juga proses pengeseran pose menjadi menjadi pose frontal atau canonical, melakukan rotasi, mengubah skala wajah. - Pendeskripsi Fitur (Feature Descriptor)
Algoritma ini digunakan untuk menghasilkan informasi dari wajah yang sudah difrontalkan. Informasi tersebut dapat diukur untuk menghitung score kemiripan dari hal yang ingin ukur (identitas, umur, ekspresi, emosi, dan lain sebagainya). Menggunakan fitur yang didapat dilakukan perhitungan kemiripan antara gambar atau video yang menjadi input dengan yang terdapat dalam galeri. Algoritma untuk menghasilkan feature descriptor memiliki banyak variasi diantaranya LBP, PCA, Mahalanobis distance, dan yang saat ini algoritma yang paling mutahir dan paling bagus untuk menghasilkan feature descriptor adalah Deep Convolutional Neural Network (DCNNs) dengan berbagai macam variasinya.
Banyak peneliti saat ini berlomba-lomba untuk mendapatkan kinerja yang baik dari analisis wajah, untuk dapat meningkatkan kinerja tersebut peneliti dapat meningkatkan algoritma pada tahapan-tahapan diatas. Masih banyak algoritma dan hal-hal lain dalam analisis wajah yang dapat dikembangkan, tetap semangat, teruskan penelitian.