Hanya sedikit teknologi biometrik yang memicu imajinasi kita seperti pengenalan wajah. Sama halnya, kedatangannya telah memicu kekhawatiran yang mendalam dan reaksi yang mengejutkan pada tahun 2020. 

Dalam dokumen web ini, Anda akan menemukan tujuh fakta dan tren pengenalan wajah yang akan membentuk lanskap pada tahun 2021.

• Teknologi dan penyedia terbaik 
• Dampak AI - Menjadi lebih baik setiap saat.
• Pasar 2019-2024 dan kasus penggunaan yang dominan
• Pengenalan wajah di Cina, India, Amerika Serikat, Uni Eropa, dan Inggris, Brasil, Rusia...
• Privasi vs keamanan: laissez-faire atau membekukan, mengatur, atau melarang?
• Peretasan terbaru: dapatkah pengenalan wajah dikelabui?
• Menuju solusi hibridisasi.

Cara Kerja Pengenalan Wajah

Pengenalan wajah adalah proses mengidentifikasi atau memverifikasi identitas seseorang dengan menggunakan wajah mereka. Proses ini menangkap, menganalisis, dan membandingkan pola berdasarkan detail wajah seseorang.

• Proses deteksi wajah adalah langkah penting dalam mendeteksi dan menemukan wajah manusia dalam gambar dan video.
• Proses pengambilan wajah mengubah informasi analog (wajah) menjadi sekumpulan informasi digital (data atau vektor) berdasarkan fitur wajah orang tersebut.
• Proses pencocokan wajah memverifikasi apakah dua wajah adalah milik orang yang sama.

Data pengenalan wajah untuk mengidentifikasi dan memverifikasi

Biometrik digunakan untuk mengidentifikasi dan mengautentikasi seseorang dengan menggunakan sekumpulan data yang dapat dikenali dan diverifikasi yang unik dan spesifik untuk orang tersebut.

Untuk mengetahui lebih lanjut tentang definisi biometrik, kunjungi berkas web kami tentang biometrik. Identifikasi menjawab pertanyaan: "Siapakah Anda?". Otentikasi menjawab pertanyaan: "Apakah Anda benar-benar seperti yang Anda katakan?". Tetap bersama kami. Berikut adalah beberapa contohnya:

• Dalam kasus biometrik wajah, sensor 2D atau 3D "menangkap" wajah. Sensor ini kemudian mengubahnya menjadi data digital dengan menerapkan algoritme sebelum membandingkan gambar yang diambil dengan gambar yang ada di database.
• Sistem otomatis ini dapat digunakan untuk mengidentifikasi atau memeriksa identitas seseorang hanya dalam beberapa detik berdasarkan fitur wajah (geometri) mereka: jarak mata, batang hidung, kontur bibir, telinga, dagu, dan lain-lain.
• Mereka bahkan dapat melakukan hal ini di tengah-tengah kerumunan orang dan dalam lingkungan yang dinamis dan tidak stabil. 
• Pemilik iPhone X telah diperkenalkan dengan teknologi pengenal wajah.

Tentu saja, tanda tangan lain melalui tubuh manusia juga ada, seperti sidik jari, pemindaian iris mata, pengenalan suara, digitalisasi urat nadi di telapak tangan, dan pengukuran perilaku.

Mengapa Dengan Pengenalan Wajah

Biometrik wajah terus menjadi tolok ukur biometrik yang disukai. Hal ini karena mudah digunakan dan diimplementasikan. Tidak ada interaksi fisik dengan pengguna akhir. Selain itu, deteksi wajah dan proses pencocokan wajah untuk verifikasi/identifikasi berlangsung cepat.

Dalam perlombaan untuk inovasi biometrik, beberapa proyek berlomba-lomba untuk mendapatkan posisi teratas.
Google, Apple, Facebook, Amazon, dan Microsoft (GAFAM) juga ikut serta. 
Semua perusahaan raksasa perangkat lunak web ini sekarang secara teratur mempublikasikan penemuan teoritis mereka dalam kecerdasan buatan, pengenalan gambar, dan analisis wajah untuk memajukan pemahaman kita secepat mungkin.
Mari kita lihat lebih dekat:

Akademis
Algoritma Gaussian Face yang dikembangkan pada tahun 2014 oleh para peneliti di The Chinese University of Hong Kong mencapai skor identifikasi wajah sebesar 98,52% dibandingkan dengan 97,53% yang dicapai oleh manusia. Peringkat yang sangat baik, meskipun terdapat kelemahan mengenai kapasitas memori yang diperlukan dan waktu perhitungan.

Facebook dan Google
akademisi Pada tahun 2014, Facebook mengumumkan program DeepFace, yang dapat menentukan apakah dua wajah yang difoto adalah milik orang yang sama, dengan tingkat akurasi 97,25%. Ketika mengambil tes yang sama, manusia menjawab dengan benar dalam 97,53% kasus, atau hanya 0,28% lebih baik daripada program Facebook.

Pada bulan Juni 2015, Google menjadi lebih baik dengan FaceNet. Pada dataset Labeled Faces in the Wild (LFW) yang digunakan secara luas, FaceNet mencapai rekor akurasi baru sebesar 99,63% (0,9963 ± 0,0009). Dengan menggunakan jaringan syaraf tiruan dan algoritma baru, perusahaan dari Mountain View ini berhasil menggabungkan wajah dengan pemiliknya dengan hasil yang nyaris sempurna.

Teknologi ini dimasukkan ke dalam Foto Google dan digunakan untuk menyortir gambar dan secara otomatis menandainya berdasarkan orang yang dikenali. Membuktikan pentingnya dalam lanskap biometrik, dengan cepat diikuti oleh rilis online versi sumber terbuka tidak resmi yang dikenal sebagai Open Face

Microsoft, IBM, dan Megvii
Sebuah studi yang dilakukan oleh para peneliti MIT pada bulan Februari 2018 menemukan bahwa alat Megvii (FACE++) milik Microsoft, IBM, dan China yang berbasis di Tiongkok memiliki tingkat kesalahan yang tinggi saat mengidentifikasi wanita berkulit lebih gelap dibandingkan dengan pria berkulit lebih terang. 

Pada akhir Juni 2018, Microsoft mengumumkan bahwa mereka telah secara substansial meningkatkan teknologi pengenalan wajah yang bias dalam sebuah posting blog.

Amazon
Pada bulan Mei 2018, Ars Technica melaporkan bahwa Amazon sudah secara aktif mempromosikan layanan pengenalan wajah berbasis cloud-nya yang bernama Rekognition kepada lembaga penegak hukum. Solusi ini dapat mengenali sebanyak 100 orang dalam satu gambar dan dapat melakukan pencocokan wajah terhadap database yang berisi puluhan juta wajah.  

Pada bulan Juli 2018, Newsweek melaporkan bahwa teknologi pengenal wajah Amazon salah mengidentifikasi 28 anggota Kongres AS sebagai orang yang ditangkap karena kejahatan.

Kunci penyedia teknologi pencocokan biometrik
Pada akhir Mei 2018, Direktorat Sains dan Teknologi Keamanan Dalam Negeri AS mempublikasikan hasil pengujian yang disponsori di Maryland Test Facility (MdTF). Pengujian di dunia nyata ini mengukur kinerja 12 sistem pengenalan wajah di sebuah koridor berukuran 2 m x 2,5 m. 

Solusi Thales yang menggunakan perangkat lunak pengenalan wajah (LFIS) mencapai hasil yang sangat baik dengan tingkat akuisisi wajah sebesar 99,44% dalam waktu kurang dari 5 detik (dibandingkan dengan rata-rata 68%), Tingkat Identifikasi Sejati Vendor sebesar 98% dalam waktu kurang dari 5 detik dibandingkan dengan rata-rata 66%. Sistem ini juga mencapai tingkat kesalahan sebesar 1% dibandingkan dengan rata-rata 32%.

Selanjutnya tentang tolok ukur kinerja: Laporan NIST (National Institute of Standards and Technology), yang diterbitkan pada bulan November 2018, merinci akurasi pengenalan untuk 127 algoritma dan mengaitkan kinerja dengan nama peserta. Uji Pengenalan Wajah (FRVT) 3 NIST yang sedang berlangsung yang dilakukan pada akhir tahun 2019 memberikan hasil tambahan. Lihat laporan NIST. NIST juga menunjukkan bahwa algoritma pengenalan wajah terbaik tidak memiliki bias ras atau jenis kelamin, seperti yang dilaporkan pada bulan Januari 2020 oleh ITIF.

Dalam laporan NIST (Agustus 2020 dan Maret 2021) yang berjudul "Akurasi pengenalan wajah dengan masker wajah menggunakan algoritma pasca-COVID-19", kami melihat bagaimana algoritma, dalam waktu kurang dari satu tahun, meningkatkan kinerjanya.

Facial Emotion Recognition (FER)

Facial Emotion Recognition(dari gambar real-time atau statis) adalah proses pemetaan ekspresi wajah untuk mengidentifikasi emosi seperti jijik, gembira, marah, terkejut, takut, atau sedih - atau emosi majemuk seperti marah yang menyedihkan - pada wajah manusia dengan perangkat lunak pengolah gambar. Ada juga tiga langkah dalam mengenali atau menafsirkan emosi manusia:
Deteksi wajah

• Deteksi ekspresi wajah
• Penetapan ekspresi ke kondisi emosi tertentu.
• Popularitas pendeteksian emosi wajah berasal dari luasnya area aplikasi potensial.

Hal ini berbeda dengan pengenalan wajah, yang tujuannya adalah untuk mengidentifikasi seseorang, bukan emosi. Ekspresi wajah dapat diwakili oleh fitur geometris atau penampilan, parameter yang diekstraksi dari gambar yang ditransformasikan seperti eigenfaces, model dinamis, dan 3D serta model. Penyedia layanan ini termasuk Kairos (pengenalan wajah dan emosi untuk pemasaran merek), Noldus, Affectiva, atau Sightcorp.

Untuk Apa Pengenalan Wajah Digunakan?

Berikut adalah tiga kategori aplikasi teratas yang menggunakan pengenalan wajah.
1. Keamanan 
Spesialis forensik dapat menggunakan Sistem Identifikasi Biometrik Otomatis (ABIS) untuk membandingkan berbagai jenis biometrik. Pasar ini dipimpin oleh peningkatan aktivitas untuk memberantas kejahatan dan terorisme. Manfaat sistem pengenalan wajah untuk kepolisian sangat jelas: deteksi dan pencegahan kejahatan.
Pengenalan wajah digunakan saat menerbitkan dokumen identitas dan, paling sering, dikombinasikan dengan teknologi biometrik lain seperti sidik jari (mencegah penipuan identitas dan pencurian identitas).
Pencocokan wajah digunakan pada pemeriksaan perbatasan untuk membandingkan potret pada paspor biometrik digital dengan wajah pemegangnya. Pada tahun 2017, Thales bertanggung jawab untuk memasok gerbang kontrol otomatis baru untuk sistem PARAFE (Penyeberangan Jalur Cepat Otomatis di Perbatasan Eksternal) di bandara Roissy Charles de Gaulle di Paris. Solusi ini dirancang untuk memfasilitasi evolusi dari pengenalan sidik jari ke pengenalan wajah selama tahun 2018.

Biometrik wajah juga dapat digunakan dalam pemeriksaan polisi, meskipun penggunaannya dikontrol secara ketat di Eropa. Pada tahun 2016, "pria bertopi" yang bertanggung jawab atas serangan teror Brussels berhasil diidentifikasi berkat perangkat lunak pengenal wajah FBI. Kepolisian South Wales menerapkannya di Final Liga Champions UEFA pada tahun 2017.
Di Amerika Serikat, 26 negara bagian (dan mungkin sebanyak 30 negara bagian) mengizinkan penegak hukum untuk melakukan pencarian terhadap basis data foto SIM dan KTP mereka. FBI memiliki akses ke foto SIM di 18 negara bagian.

Drone yang dikombinasikan dengan kamera udara menawarkan kombinasi yang menarik untuk pengenalan wajah yang diterapkan pada area yang luas selama acara massal. Menurut Keesing Journal of Documents and Identity pada Juni 2018, beberapa sistem drone yang melayang dapat membawa lensa kamera seberat 10 kilogram yang dapat mengidentifikasi tersangka dari jarak 800 meter hingga ketinggian 100 meter.  Drone ini dapat dihubungkan ke tanah melalui kabel listrik dan memiliki catu daya yang tidak terbatas. Komunikasi ke kontrol darat tidak dapat disadap karena juga menggunakan kabel.
Sistem CCTV pengenal wajah dapat meningkatkan kinerja dalam menjalankan misi keamanan publik. Mari kita ilustrasikan hal ini dengan empat contoh:
-Menemukan anak-anak yang hilang dan orang dewasa yang mengalami disorientasi.
-Mengidentifikasi dan menemukan anak-anak yang dieksploitasi.
-Mengidentifikasi dan melacak penjahat.
-Mendukung dan mempercepat investigasi.

2. Kesehatan
Kemajuan signifikan telah dibuat di bidang ini. 
Berkat pembelajaran mendalam dan analisis wajah, sudah dimungkinkan untuk:
melacak penggunaan obat pasien dengan lebih akurat
mendeteksi penyakit genetik seperti sindrom DiGeorge dengan tingkat keberhasilan 96,6%
mendukung prosedur manajemen nyeri.