SISTEM PENGENALAN WAJAH BERBASIS CCTV MENGGUNAKAN MTCNN DAN ARCFACE DENGAN PENERAPAN FACE IMAGE QUALITY ASSESSMENT DAN PEMROSESAN MULTITHREADING

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.