Application of the Convolutional Neural Network Method on Face Recognition for Smart Locker

Abstract

English

Today, security systems are an important issue for the general public, with theft being the most common crime. The weak security system implemented is no doubt behind the many cases of theft. Biometrics is an opportunity to create a strong security system, because each person has their own unique characteristics, such as fingerprints, voice, irises and facial features. One of the biometrics that is considered strong when building a security system is facial recognition. This research uses a Convolutional Neural Network (CNN) derived from Deep Learning as a facial recognition method to create a facial recognition system for cabinets or warehouses. 8820 data was used in system design, which was divided into training data (80%) and test data (20%), the results of the training process obtained validation accuracy reaching 99.81% and validation loss reaching 0.004 after going through 12 epochs. Then the data training process was carried out using the deep learning method using the CNN (Convolutional Neural Network) model. Then a test analysis is carried out to get the accuracy percentage of the entire system. The tests performed in this study gave the system 87.5% accuracy for identifying one individual in the data set and 100% accuracy for individuals not in the data set (unknown). Testing was also carried out with one person in the material who was not in the material in front of the camera in one frame. As a result, the system can recognize all faces and differentiate between people who are in the dataset and those who are not in the dataset (unknown). For testing with two similar people's faces, it was found that the model created was unable to differentiate between the two faces, where the faces detected by the camera showed the same label, namely aqifa with confidence values ​​of 100% and 99.99% respectively.

Bahasa Indonesia

Saat ini, sistem keamanan merupakan isu penting bagi masyarakat umum, dengan pencurian menjadi kejahatan yang paling umum. Lemahnya sistem keamanan yang diterapkan tidak diragukan lagi dibalik banyaknya kasus pencurian. Biometrik merupakan peluang untuk menciptakan sistem keamanan yang kuat, karena setiap orang memiliki karakteristik uniknya masing-masing, seperti sidik jari, suara, iris mata, dan fitur wajah. Salah satu biometrik yang dianggap kuat saat membangun sistem keamanan adalah pengenalan wajah atau facial recognition. Penelitian ini menggunakan Convolutional Neural Network (CNN) turunan dari Deep Learning sebagai metode pengenalan wajah untuk membuat sistem pengenalan wajah lemari atau gudang. 8820 data digunakan dalam perancangan sistem, yang terbagi menjadi data latih (80%) dan data uji (20%), hasil dari proses training diperoleh validation accuracy mencapai 99.81% serta validation loss mencapai 0.004 setelah melalui 12 epochs. Kemudian dilakukan proses pelatihan data dengan metode deep learning menggunakan model CNN (Convolutional Neural Network). Kemudian dilakukan analisis pengujian untuk mendapatkan persentase akurasi dari keseluruhan sistem. Tes yang dilakukan dalam penelitian ini memberikan sistem akurasi 87,5% untuk mengidentifikasi satu individu dalam kumpulan data dan akurasi 100% untuk individu yang tidak ada dalam kumpulan data (tidak diketahui). Pengujian juga dilakukan dengan satu orang dalam materi yang tidak dalam materi yang berada di depan kamera dalam satu frame. Hasilnya, sistem dapat mengenali seluruh wajah dan membedakan antara orang yang ada di dataset dan yang tidak ada di dataset (unknown). Untuk pengujian dengan dua wajah orang yang mirip diperoleh bahwa model yang dibuat tidak mampu untuk membedakan kedua wajah tersebut dimana wajah yang terdeteksi oleh kamera menujukkan label yang sama yaitu aqifa dengan nilai confidance masing-masing 100% dan 99,99%.

Keywords

• Biometrics
• Convolutional Neural Networks
• Datasets
• Deep Learning
• Facial Recognition
• Biometrik
• Convolutional Neural Network
• Dataset
• Face Recognition