Anggota Kelompok: Erlangga Putra Widanta - 20523056 Fahira Alhamid - 20523168 Zunanda Ibrahim - 20523200 Muhammad Fadhil Athallah - 20523201 Ananda Ramadhani - 20523135

2. Erlangga Putra Widanta - 20523056
Fahira Alhamid - 20523168
Zunanda Ibrahim - 20523200
Muhammad Fadhil Athallah - 20523201
Ananda Ramadhani - 20523135

3. Face Recognition atau pengenalan wajah telah
menjadi semakin populer selama bertahun-tahun
karena fiturnya beragam aplikasi dan kemudahan
penerapannya. Ketersediaan kamera definisi
tinggi, internet cepat, dan GPU berperforma
tinggi semuanya telah memberikan kontribusi
bagi perkembangannya.

4. Pengenalan wajah adalah metode mengenali
wajah seseorang dengan bantuan teknologi.
Berada di bawah cabang Computer Vision dari
Kecerdasan Buatan, yang berhubungan dengan
interpretasi informasi dari gambar dan video.
Sistem pengenalan wajah tipikal terdiri dari yang
berikut:
• Detektor wajah
• Pengidentifikasi wajah

5. 1. Pendeteksian Wajah
Langkah pertama adalah device memindai dan
menyimpan foto wajah. Pendeteksian wajah
dilakukan dengan mengarahkan wajah lurus ke
depan kamera, supaya seluruh titik di wajah
dapat terdeteksi dengan jelas. Selain
menggunakan foto, ada juga pendeteksi wajah
menggunakan video untuk menangkap gambar
3D.
2. Penajajaran
Setelah wajah berhasil dideteksi, software akan
dapat menentukan posisi, ukuran, dan sikap
kepala. Pada software 3D foto wajah mampu
dikenali hingga 90 derajat, sedangkan untuk
software 2D posisi kepala harus menghadap
kamera paling tidak 35 derajat.

6. 3. Pengukuran
Langkah ketiga software akan
mengukur lekukan di wajah pengguna
dengan skala sub-milimeter dan serta
membuatkan template.
4. Representasi
Langkah keempat, template yang
dibuat nantinya akan diartikan menjadi
sebuah kode - kode yang unik, yang
nantinya kode tersebut akan
merepresentasikan setiap wajah.

7. 5. Pencocokan
Jika foto wajah yang telah direpresentasikan dan
ketersediaan foto wajah dalam basis data sama-sama
3D, proses pencocokan dapat langsung dilakukan.
Namun, saat ini masih ada tantangan untuk
mencocokkan representasi 3D dengan basis data foto
2D. Teknologi baru kini tengah menjawab tantangan
ini. Ketika foto wajah 3D diambil, software akan
mengidentifikasikan beberapa titik (biasanya tiga
titik) yaitu mata bagian luar dan dalam, serta ujung
hidung. Berdasarkan hasil pengukuran ini software
akan mengubah gambar 3D menjadi 2D, dan
membandingkannya dengan gambar wajah 2D yang
sudah ada di dalam basis data.
6. Verifiaksi dan Identifikasi
Foto wajah dicocokan dengan seluruh
wajah dalam database untuk mencari
mana yang mendekati kemiripan.

8. 7. Analisis Tekstur Wajah
Kemajuan dalam software face recognition adalah
penggunaan biometrik kulit atau keunikan tekstur kulit untuk
meningkatkan akurasi hasil pencocokkan. Namun terdapat
beberapa faktor yang menyebabkan proses analisis tekstur ini
tidak dapat bekerja, misalnya pantulan cahaya dari kacamata
atau foto wajah yang menggunakan kacamata matahari.
Faktor penghambat analisis lainnya adalah rambut panjang
yang menutupi bagian tengah wajah

10. Pengenalan Wajah Forensik melibatkan penarikan kesimpulan
forensik menggunakan pengenalan wajah dalam kasus di mana
aktivitas atau perilaku kriminal sudah dicurigai. Ini membantu dalam
perolehan bukti dalam skenario di mana kejahatan telah terjadi dan
penyelidikan aktif sedang berlangsung.
Namun banyak kasus dimana gambar yang dikumpulkan untuk
sebuah kasus seringkali berkualitas buruk. Karena adanya kasus
tersebut seluruh proses pengenalan wajah forensik membutuhkan
kerja ekstra untuk mengumpukan bukti lebih dan membuat
keputusan konklusif berdasarkan kekuatan buktinya.

12. Pengenalan wajah dapat digunakan dalam penegakan hukum untuk
mengumpulkan informasi tentang seseorang yang berkepentingan atau
menemukan orang hilang. Ini juga menangani kasus-kasus di mana
teknologi digunakan sebagai tindakan pencegahan untuk mencegah
terjadinya kejahatan di masa depan dibandingkan dengan pengenalan
wajah forensik, yang menangani kasus setelah kejahatan terjadi.
Pengenalan wajah berbasis identifikasi biasanya digunakan oleh aparat
penegak hukum setempat dalam kasus-kasus di mana mereka tidak
memiliki pengetahuan tentang seseorang tetapi ingin memeriksa sejarah
kriminal seseorang menghadapi situasi dengan tepat. Misalnya, seorang
petugas yang menghentikan seseorang karena mengemudi di atas batas
kecepatan mungkin ingin memeriksa apakah pengemudi memiliki riwayat
mencuri mobil.

13. Awalnya, penggunaan teknologi pengenalan wajah hanya terbatas pada
sektor penegakan hukum tetapi selama bertahun-tahun, ada
peningkatan permintaan untuk pengenalan wajah di sektor komersial.
Penggunaan paling umum adalah di ritel untuk mengidentifikasi pengutil
dengan rekor sebelumnya. Kamera hadir di toko dapat dengan mudah
dihubungkan ke sistem komputer yang menjalankan perangkat lunak
pengenal wajah itu membandingkan wajah yang ada di setiap bingkai
umpan video dari kamera ke wajah yang ada di database pengutil.
Setelah perangkat lunak menemukan kecocokan, manajer toko dapat
diberi tahu bahwa pengutil telah memasuki toko. Ini menjadi lebih
membantu ketika satu set toko setuju untuk berbagi database mereka
satu sama lain.

14. 1. Kontrol akses
Ini adalah salah satu penggunaan
teknologi pengenalan wajah tertua di
mana ada daftarnya dipertahankan
dalam database dan akses ke sistem
hanya diberikan kepada orang-orang
yang wajahnya hadir dalam daftar.
2. Verifikasi wajah
Tugas tertentu mengharuskan kita untuk
membandingkan wajah antara dua
gambar yang berbeda, tidak satu
punyang ada di database, sehingga
membuat identifikasi tidak mungkin.
Misalnya, mencocokkan wajah seorang
mahasiswa dengan gambar di kartu id
kuliahnya.

15. 3. Sistem kehadiran
Beberapa universitas telah
mengotomatiskan absensi
mahasiswanya menggunakan
pengenalan wajah. Kamera yang
ditempatkan pada posisi tertentu
dapat mengidentifikasi wajah siswa
dan tandai mereka tidak ada / hadir
sesuai.
4. Orang yang berkepentingan melalui pengawasan
Ini menjadi semakin populer di sektor umum
karena kegunaannya yang sangat luas. Sistem
menyimpan daftar wajah seperti yang ada di
kontrol akses, tetapi penggunaan daftar sangat
berbeda dan menggunakan kasus tertentu.
Misalnya, di kasino, daftarnya bisa dipelihara
dengan gambar wajah penghitung kartu atau
petarung dan setiap kali mereka memasuki kasino,
itu sistem pengenalan wajah dapat
mengidentifikasi mereka dan memicu alarm. Toko
tertentu juga dapat menyimpan daftar untuk
pelanggan VIP atau reguler dan menawarkan
layanan khusus kepada mereka saat mereka masuk.

16. Terlepas dari penggunaan yang disebutkan di atas, perusahaan juga
sering menawarkan pengenalan wajah sebagai layanan berikan metrik
lain seperti usia, jenis kelamin, ras, dan sebagainya. Beberapa contohnya
adalah:
1. Pengenalan emosi atau ekspresi
Tujuannya di sini adalah untuk mengenali suasana hati atau emosi
seseorang berdasarkan ekspresi wajahnya. Kasus penggunaan umum
dapat berupa:
• Umpan balik pelanggan: Umpan balik atau pengalaman pelanggan
dari mengunjungi toko dapat diotomatisasi dengan mengenali
ekspresi seseorang saat mengunjungi toko.
• Analisis kondisi mental: Ini dapat digunakan oleh sekolah untuk
memprediksi kondisi mental seorang anak menganalisis emosinya
berdasarkan ekspresinya. Informasi ini kemudian dapat digunakan
untuk menarik perhatian khusus kepada siswa yang mungkin merasa
tertekan untuk waktu yang lama. Mirip setup juga dapat digunakan
untuk orang yang menderita masalah kesehatan mental.

17. 2. Pengakuan perhatian
Ada tugas-tugas tertentu yang mengharuskan kita memperhatikan
untuk tujuan keselamatan.
Analisis wajah dapat membantu kita dalam skenario ini.
• Perhatian pengemudi: Penting untuk memperhatikan saat
mengemudi. Tertidur, mengantuk, atau bangun terganggu saat
mengemudi dapat menyebabkan kecelakaan fatal. Memantau
perhatian pengemudi menggunakan wajahnya membantu dalam
menghindari situasi ini dengan membunyikan alarm.
• Evaluasi kelas: Perhatian siswa di kelas dapat dianalisis untuk
menentukan mereka kepentingan dan tingkah laku.

18. Pengenalan wajah telah menjadi semakin populer selama bertahun-tahun karena
beragamnya aplikasi dan kemudahan penerapannya. Ketersediaan kamera
definisi tinggi, cepat internet dan GPU berperforma tinggi semuanya
berkontribusi pada perkembangannya. Data, menjadi bagian sentral dari sistem
Artificially Intelligent manapun, juga telah tersedia dalam banyak hal karena
peningkatan tajam secara keseluruhan konten media. Penggunaannya tidak lagi
terbatas pada keamanan dan karena semakin populer dan berskala besar adopsi,
diharapkan kehidupan sehari-hari akan menjadi lebih baik dan aman.
Namun, masih ada tantangan di jalan yang belum diatasi. Akurasinya masih
tergantung pada faktor eksternal seperti pencahayaan dan kualitas media
sehingga membutuhkan pengawasan manusia untuk membuatnya keputusan
konklusif.