Pengaruh jarak, pencahayaan, dan pose wajah pada anotasi identitas peserta video conference
P Pandemi COVID-19 menyebabkan kegiatan masyarakat dilakukan dari rumah. Seperti bekerja dan sekolah dari rumah. Kemajuan teknologi informasi membantu berbagai kegiatan tersebut, salah satunya adalah video conferencing. Video conference digunakan untuk menggantikan sesi tatap muka. Dalam video conference, terdapat resiko bahwa peserta yang terdaftar tidak sesuai identitasnya dengan peserta yang hadir, oleh karena itu diperlukan sebuah metode identifikasi terhadap peserta menggunakan metode identifikasi pengenalan wajah. Dalam penelitian ini akan dibuat sistem yang dapat mendeteksi wajah peserta video conference secara real-time yang dibuat menggunakan bahasa pemrograman Python serta pengaruh jarak, pencahayaan, dan pose wajah terhadap sistem pengenalan wajah dimana pengujiannya menggunakan manipulasi pada gambar masukan. Pada penelitian ini akan menggunakan modul face_recognition berdasarkan neural network pada library dlib yang memiliki akurasi 99,38% pada dataset Labelled Faces in the Wild (LFW). Dalam pengujian sensitifitas model pengenalan wajah dilakukan dengan cara membandingkan berbagai gambar dengan perbedaan jarak dan pose wajah, sedangkan pengujian terhadap cahaya akan dilakukan dengan cara melakukan manipulasi pada tingkat kecerahan pada gambar masukan.
C COVID-19 pandemic causes people's activity needs to be done at home. Like work from home and school at home. Advancement in information technology helps those activities, one of them is video conferencing. Video conferences are used to substitute face-to-face sessions. In video conferences, there’s a risk that the registered participants do not match their identities with the participants who attended, therefore we need an identification method for participants using facial recognition. In this research, a system will be created that can detect the faces of video conference participants in real-time that are made using Python programming language as well as the influence of distance, lighting, and facial poses on facial recognition systems where the testing is using manipulation on the image input. This research will use the face_recognition module that is based on dlib library neural network that can achieve 99.38% accuracy on Labelled Faces in the Wild (LFW) dataset. The sensitivity test on the face recognition model will be done with comparing some images with different distance and facial poses, meanwhile the lighting effect test will be done with manipulating the brightness level on the image input