Deteksi Spoofing Wajah Menggunakan Faster R-CNN dengan Arsitektur Resnet50 pada Video
Abstrak
Deteksi wajah merupakan proses mendasar dan penting dalam bidang pengenalan wajah yang sudah diteliti secara luas. Tujuan deteksi wajah adalah menentukan keberadaan dan menandai posisi wajah, baik pada gambar maupun video, yang disebut dengan bounding box. Salah satu masalah penting dalam deteksi wajah adalah membedakan wajah spoof dan non-spoof yang disebut sebagai deteksi spoofing wajah. Deteksi spoofing wajah merupakan pekerjaan penting yang digunakan untuk menjamin keamanan otentikasi berbasis wajah dan sistem analisis wajah. Oleh karena itu, dibutuhkan sebuah model yang dapat mendeteksi spoofing wajah. Pada makalah ini dilakukan proses membangun model yang dapat digunakan untuk mendeteksi wajah spoof dan non-spoof pada video menggunakan algoritme Faster R-CNN dengan arsitektur Resnet50. Faster R-CNN merupakan salah satu algoritme yang unggul dalam menyelesaikan berbagai persoalan deteksi objek. Dataset yang digunakan adalah Replay-Attack Database yang disediakan oleh Idiap Dataset Distribution Portal. Pada tahap training digunakan 360 video spoof dan non-spoof. Rata-rata nilai akurasi yang dihasilkan pada tahap training adalah 97,07%, dengan jumlah epoch sebanyak 21. Hasil pengujian menunjukkan bahwa model yang dihasilkan berhasil menentukan bounding box dengan akurat dan mendeteksi spoof dan non-spoof wajah pada video dengan efektif.
Referensi
E. Owusu, J.D. Abdulai, dan Y. Zhan, “Face Detection Based on Multilayer Feed-forward Neural Network and Haar Features,” Softw. Pract. Exper, Vol. 49, No. 1, hal. 120-129, 2019.
Y. Zhou, D. Liu, dan T. Huang, “Survey of Face Detection on Low-quality Images,” 13th IEEE International Conference on Automatic Face & Gesture Recognition (FG), 2018, hal. 769-773.
G. Guo, H Wang, Y. Yan, J Zheng, dan B. Li, “A Fast Face Detection Method via Convolutional Neural Network,” Neurocomputing, Vol. 395, hal, 128-137, 2020.
X. Huang, “A Hybrid Framework for Human Face Detection and Recognition in Videos,” IOP Conf. Series: Earth and Environmental Science, Vol. 252, No. 5, hal. 1-5, 2018.
N.A. Othman dan I. Aydin, “A Face Recognition Method in the Internet of Things for Security Applications in Smart Homes and Cities,” 6th International Istanbul Smart Grids and Cities Congress and Fair (ICSG), 2018, hal 20-24.
S.Y. Jin, A. RoyChowdhury, H. Jiang, A. Singh, A. Prasad, D. Chakraborty, dan E.L.Miller, “Unsupervised Hard Example Mining from Videos for Improved Object Detection,” European Conference on Computer Vision, 2018, hal. 1-18.
S. Ren, K. He, R.B. Girshick, dan J. Sun, “Faster R-CNN: Towards Real-time Object Detection with Region Proposal Networks,” IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 39, No. 6, hal. 1137-1149, 2017.
B. Benjdira, T. Khursheed, A. Koubaa, A. Ammar, dan K. Ouni, “Car Detection using Unmanned Aerial Vehicles: Comparison between Faster R-CNN and YOLOv3,” 1st International Conference on Unmanned Vehicle Systems-Oman (UVS), 2019, hal. 1-6.
M.D. Putro, T.B. Adji, dan B. Winduratna, “Sistem Deteksi Wajah dengan Menggunakan Metode Viola-Jones,” Sem. Nas. Sci. Eng. Technol., 2012, hal. 1–5.
R. Girshick, J. Donahue, T. Darrell, dan J. Malik, “Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation,” IEEE Conf. on Computer Vision and Pattern Recognition, 2014, hal. 580-587.
Y. Liu, Z. Ma, X. Liu, S. Ma, dan K. Ren, “Privacy-Preserving Object Detection for Medical Images with Faster R-CNN,” IEEE Transactions on Information Forensics and Security, hal. 1-16, 2019.
S.M. Abbas dan S.N. Singh, “Region-based Object Detection and Classification Using Faster R-CNN,” Int. Conf. on Computational Intelligence and Communication Technology, 2018, hal. 1-6.
I. Chingovska, A. Anjos, dan S., Marcel, “On the Effectiveness of Local Binary Patterns in Face Non-spoofing,” Proc. of the Int. Conf. of Biometrics Special Interest Group (BIOSIG), 2012, hal. 1–7.
© Jurnal Nasional Teknik Elektro dan Teknologi Informasi, di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.
2.png)
