Sistem Identifikasi Biometrik Wajah

Dalam tahap identifikasi biometrik dapat mengidentifikasi individu-individu berdasarkan perbedaan lingkup karakteristik behaviour/psikologi (biometrik identifier). Hal ini dimungkinkan bahwa karakteristik psikologi/behaviour setiap manusia berbeda-beda. Selain itu identifier biometrik dianggap lebih reliable dibandingkan berdasarkan pemasukan token dan pengenalan knowledge.

Mekanisme sistem biometrik dapat digambarkan dengan beberapa fase :

1.       Fase Penggolongan (enrollment).

Pada fase ini masukan akan di pindai (scan) oleh sensor biometrik, yang merupakan representasi karakteristik digital.

2.       Fase Pencocokan.

Dalam fase ini inputan database akan dicocokkan dengan identifikasi data. Dapat dimungkinkan adanya reduksi, sehingga dihasilkan representasi digital. Hasil ini akan diproses dengan ekstraktor ciri untuk menghasilkan suatu representasi yang ekspresif dalam bentuk template. Bergantung aplikasinya template dapat disimpan dalam database di sistem biometrik atau dapat direkam pada kartu magnetik (atau smartcard).

3.       Fase Pengenalan.

Karakteristik individu dibaca oleh pembaca biometrik (reader). Selanjutnya dikonversi dengan format digital, untuk diproses sebagai ekstraktor ciri (template). Hasil template ini selanjutnya dicocokkan dengan identifikasi individu.  

Sistem biometrik belumlah sempurna, karena suatu saat masih dapat melakukan kesalahan dengan menerima impostor sebagai invidu yang juga valid (terjadi kesalahan pencocokan), sebaliknya terjadi penolakan terhadap individu yang valid (terjadi kesalahan ketidakcocokan). Untuk menjamin terhindarnya kesalahan seperti itu, sesuai referensi memadukan ciri biometrik wajah dengan ucapan, serta dari referensi memadukan biometrik wajah dengan ciri tanda-tangan. Selain itu dalam penerapannya ukuran database template sangatlah besar, bahkan dalam database perbankan pusat pernah terjadi bottleneck saat proses identifikasi.

Selain beberapa hal yang harus diperhatikan dari mekanisme ini adalah masalah kinerja (dalam mekanisme ini berupa akurasi sistem, kecepatan, kehandalan) perlu mempertimbangkan juga adanya resource, faktor-faktor operasional dan pengembangan, dsb. Hal ini akan berpotensi sebagai kendala teknis. Selain itu adalah akseptabilitas (daya terima pengguna) akan mendorong keyakinan user terhadap akurasi dan kecepatan. Serta aspek circumvention yaitu aspek kemudahan sistem yang tidak bergantung alat, mekanisme operasional, dsb.

            A. Face Recognition

Sistem Face Recognition adalah sebuah solusi identifikasi wajah dan pengenalan wajah. Sistem ini dapat diterapkan baik dalam lingkungan web maupun dalam aplikasi desktop yang menggunakan wajah sebagai autentikasinya atau pengenalan dan identifikasi wajah otomatis. Dapat berjalan dalam lingkungan 32 bit maupun 64 bit, dapat dengan mudah diintegrasikan atau dirubah sesuai dengan kebutuhan, yang dapat memberikan keleluasaan dalam implementasi dan integrasi dengan software yang telah ada sebelumnya. Sistem ini dapat bekerja dengan wajah secara keseluruhan maupun dengan fitur wajah, mampu mengenali wajah dalam gambar atau photo dan real-time video stream, juga dapat digunakan untuk pembuatan aplikasi yang lebih luas, dari yang paling sederhana, penghilangan efek red-eye sampai dengan solusi login biometrik.

            B. Facial Feature Detection

Sistem ini menggunakan dan menerapkan algoritma yang mutakhir untuk melakukan pendeteksian fitur wajah secara reliabel. Memproses gambar, mendeteksi wajah manusia yang ada di dalam gambar, dan kemudian memberikan koordinat dari 66 titik fitur wajah, termasuk mata, bentuk mata, alis, bentuk mulut, ujung hidung dan lain sebagainya.

           C. Authentification

1.      Foto wajah disimpan dalam database komputer.

2.      Komputer mengiris-iris foto itu menjadi kotak-kotak kecil.

3.  Detail titik-titik di dalam setiap irisan diolah dengan metode algoritma menjadi data matematis.

4.      Sistem analisis membedakan garis, pori-pori, dan tekstur wajah yang aktual, hingga dapat membedakan kembar identik sekalipun.

5.      Data disimpan untuk dikonfirmasi dengan input data yang ingin dicocokkan.

Referensi: Makalah Fahri Ramadhan Hasibuan PTI IF 1 B UIN SGD Bandung 2014