Tim INSYS merupakan salah satu dari 3 tim yang mengikuti Studi/Proyek Independen Mahasiswa Semester Genap 2021/2022. Tim INSYS mengangkat tema face detection dengan metode Local Binary Patterns Histograms (LBPH). LBPH merupakan salah satu dari metode yang terkenal dalam mengenali sebuah objek dan membedakan objek dengan background. Algoritma LBPH merupakan gabungan dari deskriptor Local Binary Patterns (LBP) dan Histograms of Oriented Gradients (HOG). LBP adalah cara yang mudah namun ampuh untuk mengekstrak dan memberi label piksel suatu gambar. Dengan menggunakan LBPH, kita dapat dengan mudah merepresentasikan citra wajah hanya dengan vektor sederhana. Progres pelaksanaan proyek ini dijelaskan sebagai berikut:
- Preprocessing, mempersiapkan dataset berupa foto yang digunakan model untuk belajar. Foto yang digunakan sebanyak 30 foto untuk setiap kelas yang dibedakan berdasarkan id. Setelah itu dilakukan perubahan warna menjadi grayscale diikuti dengan cropping dan resize sesuai hasil face read yang diperoleh. Data foto disimpan dalam suatu folder dengan penamaan file sesuai id user.
Gambar 1. Proses Preprocessing
Gambar 1 menunjukkan proses menangkap wajah untuk dijadikan dataset dimana kita memasukkan id wajah ke console dan komputer akan menangkap 30 wajah kita yang sudah di crop, resize, dan dirubah menjadi grayscale.
Gambar 2. Proses Penginputan Id Gambar
Setelah computer menangkat 30 dataset wajah yang sudah di crop, resize dan diubah menjadi grayscale, proses selanjutnya yaitu penginputan Id Gambar seperti ditunjukkan Gambar 2. Proses penginputan bertujuan agar komputer bisa dengan mudah mengenali dataset yang sudah ditangkap.
Gambar 3. 30 Wajah dataset
Dataset pada Gambar 30 sudah siap digunakan untuk melatih model (training model). Proses face detection dilakukan dengan penggunaan classifier open source terpisah yang dimiliki oleh Intel yang memang biasa digunakan untuk keperluan computer vision.
- Training, training merupakan proses melakukan pelatihan terhadap model dengan menggunakan recognizer yang sudah dipilih yaitu LBPH. Gambar 4 menunjukkan source code untuk training model berdasarkan dataset yang sudah dimiliki.
Gambar 4. Proses Training
Gambar 5. Proses Training Berhasil
- Recognition, melakukan pengambilan video secara real time dan merekognisi setiap wajah sesuai user yang sudah berhasil diidentifikasi wajahnya dan menghitung berapa persen kecocokannya dengan data gambar wajah yang dimiliki.
Gambar 6. Proses Recoginition
Menampilan program rekognisi wajah dari sistem yang sudah dilatih, yang artinya system sudah dapat mengenali wajah siapa yang akan di recoginition.
Gambar 7. Proses Pemberian Label Nama
Pada proses ini memberikan label nama wajah sesuai id yang diberikan (“0” untuk “none” dan seterusnya menyesuaikan), dan untuk mengetahui siapa yang nama dari dataset yang sudah terekam.
Gambar 8. Proses Recoginition Selesai
Setelah proses Recoginiton ketika sudah diberi label, program dijalankan maka sistem akan mengenali wajah sesuai penamaan id wajah, dan menampilkan tingkat akurasi untuk setiap dataset yang sudah direkam pada computer. Pada tahap ini Tim INSYS sudah sampai tahap pengenalan wajah dataset yaitu tahap Recogition tetapi masih ada kekurangan saat tahap recognition dan perlu diperharui pada jumlah dataset, untuk mendapatkan Akurasi yang lebih baik lagi.