2020 : Pengembangan Smart ITS Face Recognition System (SIFARS) untuk Perkantoran berbasis Deep Convolutional Neural Network

Dr. I Ketut Eddy Purnama ST.,M.Kom.
Dr. Supeno Mardi Susiki Nugroho ST., M.T.
Reza Fuad Rachmadi ST., MT.


Abstract

Deep learning saat ini menjadi salah satu metode yang populer dalam penyelesaian masalah-masalah dalam bidang sistem cerdas karena adaptabilitasnya yang tinggi. Metode ini dapat diterapkan dalam beberapa domain seperti analisis teks, pengenalan suara, natural language processing, deteksi objek, dan pengenalan wajah. Arsitektur neural network yang digunakan dalam pengolahan citra digital disebut convolutional neural network (CNN). Untuk menerapkan CNN dalam domain deteksi dan pengenalan wajah, model CNN dapat ditraining menggunakan dataset wajah, baik itu dataset publik maupun dataset mandiri. Dengan jumlah dataset yang cukup, arsitektur CNN yang tepat, dan sumber daya komputasi yang memadai, model untuk deteksi dan pengenalan wajah dapat dikembangkan dan diaplikasikan dengan baik. Tim riset dari Departemen Teknik Komputer ITS telah mengembangkan prototipe dari sebuah produk riset bernama Smart ITS Face Recognition System (SIFARS), yaitu sebuah teknologi mass video surveillance untuk video analytics berbasis deep learning. Sistem ini menerima input citra dari jaringan kamera CCTV, yang selanjutnya diproses untuk melakukan deteksi dan pengenalan wajah, dengan fitur tracking individual, baik itu orang ataupun objek. Sistem ini didesain secara modular menggunakan paradigma microservice untuk meningkatkan skalabilitas dan penambahan fitur secara mudah. SIFARS akan dikembangkan lebih lanjut agar memiliki dua buah detector pokok yaitu face detector untuk deteksi wajah dan object detector untuk deteksi objek. Citra dari kamera diproses untuk mendeteksi wajah dari orang-orang yang wajahnya tampak pada kamera dan objek-objek seperti kendaraan, orang, dan plat nomor kendaraan. Beberapa fitur dasar yang dapat ditawarkan SIFARS di antaranya adalah pengenalan/pencarian orang, penghitung volume lalu lintas, pencarian plat nomor kendaraan, dan untuk menghitung kepadatan penduduk dalam sebuah ruang publik. Untuk penelitian ini SIFARS akan diterapkan pada perkantoran. Deteksi dan penyimpanan data ini dilakukan secara realtime. Proses query dan pencarian orang/objek/kendaraan dilakukan secara ¬on-demand dan terdistribusi/paralel (Apache Spark/Dask/CUDA) menggunakan API dan klien yang telah dikembangkan. Komponen SIFARS yang memerlukan pengembangan lebih lanjut adalah cluster pusat komunikasi publish/subscribe dengan Apache Kafka, komponen processor untuk komputasi paralel dan terdistribusi dengan Apache Spark, Dask atau CUDA (bergantung jenis dan kebutuhan query), dan cluster manager menggunakan Ansible untuk memudahkan operasional dan perawatan cluster.