Pengembangan Sistem Face Recognition menggunakan Cloud Service, Raspberry Pi dan Convolutional Neural Network (CNN)

  • Rosa Andrie Asmara Polinema
  • Muhammad Ridwan Politeknik Negeri Malang
  • Gunawan Budi P State Polytechnic of Malang
  • Anik Nur Handayani Universitas Negeri Malang

Abstract

Wajah manusia merupakan bagian terpenting dalam tubuh manusia sebagai karakteristik masing-masing individu manusia. Wajah juga memberikan informasi untuk diidentifikasi sebagai orang dikenal atau tidak, sehingga wajah dapat digunakan sebagai salah satu instrument untuk mengidentifikasi seseorang.  Wajah juga memiliki tekstur yang lebih kaya dan area yang luas. Teknik pengenalan wajah telah dilakukan oleh banyak peneliti dengan berbagai macam metode dan pendekatan. Implementasi tentang Cloud Server untuk penyimpanan data Real Time menggunakan Raspberry Pi telah diterapkan.  Peneliti tersebut telah membangun Server Cloud Private yang dapat diatur diRaspberry Pi dan digunakan sebagai perangkat penyimpanan untuk aplikasi real time. Hasil dari penerapan ini adalah penggunaan Raspberry Pi yang merupakan mikroprosesor lebih murah dibandingkan menggunakan layanan cloud computing pada  umumnya dimana infrastruktur cloud computing dapat diperoleh dengan menggunakan platform cloud yang disediakan oleh vendor cloud tertentu. Penggunaan Cloud sebagai monitoring melalui pengenalan wajah menggunakan metode Gabor dan fitur CS-LBP diterapkan oleh peneliti. Sedangkan penulis tertarik ingin mengembangkan sistem Face Recognition menggunakan Cloud Service pada Raspberry Pi menggunakan metode Convolutional Neural Network (CNN).

Downloads

Download data is not yet available.

References

A., K. I., & G., S. V. (n.d.). Compact Convolution Neural Network Cascade for Face Detection.
Bruce, V., & Young, A. (2007). Understanding the Developmental Origins of Primate Face Recognition: Theoretical Commentary on Martin-Malivel and Okada (2007). British Journal of Psychology, 77(6), 305–327. https://doi.org/10.1037/0735-7044.121.6.1437
Cun, Y. Le, Boser, B., Denker, J. S., Henderson, D., Howard, R. R., Hubbard, W., & Jackel, L. D. (2544). Handwritten Digit Recognition with a Back-Propagation Network.
Dehai, Z., Da, D., Jin, L., & Qing, L. (2013). A PCA-based Face Recognition Method by Applying Fast Fourier Transform in Pre-processing. 3rd International Conference on Multimedia Technology (ICMT 2013), 1155–1162. https://doi.org/10.2991/icmt-13.2013.141
Fukushima, K. (1980). Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position. Biological Cybernetics, 36(4), 193–202. https://doi.org/10.1007/BF00344251
Kwolek, B. (2005). Face detection using convolutional neural networks and gabor filters. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 3696 LNCS, 551–556. https://doi.org/10.1007/11550822_86
Li, C., Wei, W., Li, J., & Song, W. (2017). A cloud-based monitoring system via face recognition using Gabor and CS-LBP features. The Journal of Supercomputing, 73(4), 1532–1546. https://doi.org/10.1007/s11227-016-1840-6
P., I. W. S. E., Wijaya, A. Y., & Soelaiman, R. (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101. Jurnal Teknik ITS, 5(1). https://doi.org/10.12962/j23373539.v5i1.15696
Princy, S. E., & Nigel, K. G. J. (2015). Implementation of Cloud Server for Real Time Data Storage using Raspberry Pi. International Confernece on Green Engineering and Technologies (IC-GET 2015), 0–3.
Singh, G., & Goel, A. K. (2020). Face Detection and Recognition System using Digital Image Processing. 2nd International Conference on Innovative Mechanisms for Industry Applications, ICIMIA 2020 - Conference Proceedings, Icimia, 348–352. https://doi.org/10.1109/ICIMIA48430.2020.9074838
How to Cite
Asmara, R. A., Ridwan, M., Budi P, G., & Nur Handayani, A. (2022). Pengembangan Sistem Face Recognition menggunakan Cloud Service, Raspberry Pi dan Convolutional Neural Network (CNN). Jurnal Informatika Polinema, 9(1), 95-102. https://doi.org/10.33795/jip.v9i1.1181