Deep Face
DeepFace adalah sistem pengenalan wajah berbasis pembelajaran mendalam yang dikembangkan oleh tim riset di Facebook. Teknologi ini mampu mengenali wajah manusia dalam gambar digital. Sistem DeepFace memanfaatkan jaringan saraf yang terdiri dari sembilan lapisan dengan lebih dari 120 juta bobot koneksi dan dilatih menggunakan empat juta gambar yang diunggah oleh pengguna Facebook. Menurut tim riset Facebook, metode DeepFace mencapai tingkat akurasi 97,35% pada kumpulan data "Labeled Faces in the Wild" (LFW), mendekati akurasi manusia yang berada di kisaran 97,53%. Ini berarti, dalam beberapa kasus, DeepFace mampu mengenali wajah dengan lebih baik dibandingkan manusia.
Seiring dengan meningkatnya kekhawatiran publik terkait privasi, Meta, yang merupakan perusahaan induk Facebook, mengumumkan rencana untuk mematikan sistem pengenalan wajah di platform Facebook dan menghapus data pemindaian wajah dari lebih dari satu miliar pengguna. Langkah ini merupakan salah satu perubahan terbesar dalam penggunaan teknologi pengenalan wajah dalam sejarah teknologi. Meta berencana untuk menghapus lebih dari satu miliar template pengenalan wajah, yaitu pemindaian digital fitur wajah, pada Desember 2021. Meskipun demikian, perusahaan tidak berniat untuk menghentikan pengembangan atau penggunaan perangkat lunak DeepFace yang mendukung sistem tersebut dan terbuka untuk kemungkinan mengintegrasikan teknologi pengenalan wajah dalam produk-produk masa depan.
Sejarah Deep Face
Metode keamanan tradisional seperti PIN (Personal Identification Number), kartu identitas (Identification Card), dan kata sandi (password) masih belum sepenuhnya mampu melindungi data pribadi seseorang. Metode ini rentan karena bisa dengan mudah diketahui oleh pihak lain atau diretas dengan teknologi canggih, yang berpotensi menimbulkan kerugian. Untuk mengatasi kelemahan tersebut, teknologi biometrik mulai diadopsi secara luas karena dinilai lebih efektif dalam melindungi data dan identitas.
Teknologi biometrik bekerja dengan menganalisis dan mengidentifikasi karakteristik manusia dari dua aspek utama: fisik dan perilaku. Karakteristik fisik meliputi pengenalan struktur wajah, retina, iris mata, sidik jari, telapak tangan, dan DNA. Sementara karakteristik perilaku mencakup tanda tangan, cara menulis, suara, dan pola berjalan.
Beberapa prinsip mendasari sistem keamanan biometrik. Pertama, tingkat akurasi yang lebih tinggi dalam mengidentifikasi identitas seseorang dibandingkan metode tradisional. Kedua, autentikasi yang lebih andal. Selanjutnya, pengiriman informasi dalam layanan yang aman, perlindungan privasi masyarakat, dan faktor eksternal yang mempengaruhi sistem.
Salah satu teknologi biometrik yang semakin populer saat ini adalah sistem pengenalan wajah (face recognition). Teknologi ini mampu mengenali dan mengidentifikasi wajah seseorang dengan akurasi tinggi, menjadikannya pilihan yang menarik untuk digunakan dalam berbagai aplikasi keamanan.
Cara Kerja Deep Face
Sistem pengenalan wajah dalam keamanan biometrik memerlukan kamera dan perangkat pengidentifikasi khusus. Sistem ini bekerja dengan mengidentifikasi kode unik dari struktur geometri wajah seseorang. Data yang diambil oleh perangkat ini bisa dalam bentuk dua dimensi (2D) atau tiga dimensi (3D). Teknologi 3D lebih diunggulkan karena menghasilkan kode pengenal yang lebih spesifik dan akurat. Oleh karena itu, banyak sistem keamanan modern yang memilih teknologi 3D untuk pengenalan wajah.
Berikut adalah langkah-langkah kerja sistem pengenalan wajah:
- Pendeteksian Wajah: Langkah pertama adalah mengidentifikasi wajah dengan mengambil gambar secara digital. Ini bisa dilakukan dengan cara memindai foto dalam bentuk dua dimensi (2D) atau menggunakan video untuk menghasilkan gambar dalam format tiga dimensi (3D).
- Penjajaran: Setelah wajah terdeteksi, perangkat lunak akan menentukan posisi, ukuran, dan orientasi kepala. Pada perangkat lunak 3D, wajah dapat dikenali dari berbagai sudut hingga 90 derajat. Sedangkan, perangkat lunak 2D memerlukan kepala untuk menghadap kamera dengan sudut minimal 35 derajat agar dapat dikenali dengan baik.
- Pengukuran: Perangkat lunak kemudian akan mengukur lekukan dan kontur wajah dengan ketelitian tinggi, sering kali dalam skala sub-milimeter. Informasi ini digunakan untuk membuat template digital dari wajah yang dipindai.
- Representasi: Template yang dihasilkan kemudian dikonversi menjadi kode unik yang merepresentasikan setiap fitur wajah tersebut.
- Pencocokan: Jika foto wajah yang disimpan dalam basis data dan foto yang baru diambil sama-sama dalam format 3D, pencocokan dapat dilakukan secara langsung. Namun, jika formatnya berbeda (misalnya, mencoba mencocokkan gambar 3D dengan data 2D), hal ini menjadi lebih rumit. Solusi modern untuk masalah ini melibatkan pengenalan titik-titik referensi tertentu pada wajah (seperti sudut luar dan dalam mata serta ujung hidung) dan mengonversi gambar 3D menjadi 2D untuk pencocokan dengan data 2D dalam basis data.
- Verifikasi atau Identifikasi: Dalam verifikasi, wajah yang baru diambil dibandingkan dengan satu template di basis data untuk menemukan kecocokan. Sementara dalam identifikasi, wajah tersebut dibandingkan dengan semua gambar yang ada dalam basis data untuk mencari kecocokan terbaik.
- Analisis Tekstur Wajah: Kemajuan terbaru dalam teknologi pengenalan wajah mencakup analisis tekstur kulit atau fitur unik kulit untuk meningkatkan akurasi pencocokan. Meskipun demikian, ada beberapa faktor yang bisa menghambat proses ini, seperti pantulan cahaya dari kacamata, penggunaan kacamata hitam, rambut panjang yang menutupi wajah, kondisi pencahayaan yang tidak ideal (terlalu terang atau terlalu gelap), serta resolusi gambar yang rendah.
Dengan pendekatan ini, teknologi DeepFace menawarkan solusi pengenalan wajah yang lebih akurat dan andal dalam berbagai situasi. Namun, ada tantangan teknis yang masih perlu diatasi untuk mencapai tingkat pencocokan yang optimal dalam semua kondisi.
