Abstract:
Sistem pengenalan wajah berbasis Closed-Circuit Television (CCTV) banyak digunakan
dalam bidang keamanan, namun implementasinya masih menghadapi keterbatasan
komputasi serta variasi kualitas citra wajah yang mempengaruhi performa sistem.
Pengembangan ini bertujuan untuk mengimplementasikan sistem pengenalan wajah
berbasis CCTV yang mampu bekerja melalui penerapan multithreading dan Face Image
Quality Assessment (FIQA). Sistem dirancang menggunakan Multi-task Cascaded
Convolutional Neural Network (MTCNN) untuk deteksi wajah, ArcFace untuk ekstraksi
fitur, serta cosine similarity untuk pencocokan identitas, dengan arsitektur dua thread
untuk memisahkan akuisisi frame dan pemrosesan wajah. FIQA diterapkan untuk
menyaring citra wajah berdasarkan ukuran, blur, pencahayaan, sudut kemiringan, dan
jarak antar mata, serta diuji pada lima skenario dengan variasi jumlah individu,
pergerakan, dan pencahayaan. Hasil pengujian menunjukkan bahwa multithreading
meningkatkan Frame Per Second (FPS) sebesar 19% hingga 38%, sedangkan FIQA
meningkatkan FPS sebesar 16,8% dan mengurangi jumlah wajah yang diproses sebesar
18,3%. Namun, penggunaan FIQA juga menurunkan rasio pengenalan sebesar 5,28%.
Selain itu, pencahayaan rendah terbukti menurunkan jumlah wajah yang berhasil dikenali.
Dengan demikian, kombinasi multithreading dan FIQA mampu meningkatkan efisiensi
sistem pengenalan wajah berbasis Central Processing Unit (CPU), meskipun terdapat
trade-off antara efisiensi dan kemampuan pengenalan.
