Laporkan Masalah

Pengenalan Wajah Bermasker dan Tanpa Masker dengan Menggunakan MTCNN dan VGG Face untuk Wajah Bagian Atas

HANIF NAUFAL ARIF S, Dr. Ir. Risanuri Hidayat, M.Sc., IPM. ; Dr. Ir. Rudy Hartanto, M.T., IPM.

2023 | Tesis | MAGISTER TEKNOLOGI INFORMASI

Pengenalan wajah merupakan sebuah teknologi yang banyak digunakan diberbagai bidang contohnya pendidikan, keamanan, dan bahkan kesehataan. Pada saat ini virus corona masih cukup tinggi dan penggunaan masker masih diwajibkan dibeberapa tempat, khususnya tempat tertutup dan banyak orang. hal ini menyebabkan berkurang efektifnya pengenalan wajah karena sebagian besar wajah tertutupi. Wajah yang sebagian besar tertutupi ini menjadi kendala saat face recognition bekerja, karena banyak facial landmark yang tertutupi. Contohnya adalah mulut dan hidung, seringkali bentuk wajah pun berubah mengikuti bentuk masker. Dengan masalah ini penulis mencoba memodifikasi metode pengenalan wajah. Biasanya wajah dikenali dengan seluruh bagiannya, pada penelitian ini hanya menggunakan separuh bagian atas wajah yaitu mata, alis, dan sebagian kecil hidung. Pada penelitian ini juga digunakan MTCNN sebagai detektor wajah dan VGGFace untuk ekstraksi landmark wajah. dari penelitian yang dilakukan didapatkan bahwa metode ini memiliki tingkat akurasi sebesar 95,6%. hasil ini meningkat sekitar 2,3% dibanding menggunakan seluruh wajah.

Facial recognition is a technology that is widely used in various fields such as education, security, and even health. At this time where the corona virus is still quite high and the use of masks is still mandatory in some places, especially closed places and many people. this causes the face recognition to be less effective because most of the faces are covered. The face, which is mostly covered, becomes an obstacle when facial recognition works, because many facial landmarks are covered. An example is the mouth and nose, often the shape of the face changes according to the shape of the mask. With this problem the author tries to modify the facial recognition method. where the face is usually recognized by all its parts, in this study only used the upper half of the face, namely the eyes, eyebrows, and a small part of the nose. In this study also used MTCNN as a face detector and VGGFace for facial landmark extraction. From the research conducted, it was found that this method has an accuracy rate of 95.6%. this result is an increase of about 2.3% compared to using the whole face.

Kata Kunci : MTCNN, VGGFace, Face Recognition, Covid-19

  1. S2-2023-449803-abstract.pdf  
  2. S2-2023-449803-bibliography.pdf  
  3. S2-2023-449803-tableofcontent.pdf  
  4. S2-2023-449803-title.pdf