ANALISA KINERJA VIOLA-JONES ALGORITHM DAN DLIB LIBRARY UNTUK KLASIFIKASI PENGENALAN CITRA WAJAH

Abstract

Analisis kinerja Viola-Jones Algorithm dan Dlib Library dalam pengenalan citra wajah adalah aspek krusial dalam pengembangan sistem kecerdasan buatan. Kedua metode tersebut mewakili pendekatan yang berbeda dalam menangani tantangan pengenalan wajah, dengan Viola-Jones memanfaatkan fitur-deteksi berbasis heuristik dan Dlib menggunakan teknik deep learning berbasis CNN.

Viola-Jones Algorithm, meskipun merupakan metode yang terkenal untuk deteksi objek termasuk wajah, terutama dalam deteksi wajah, namun memiliki keterbatasan dalam hal ketepatan pengenalan pada variasi rotasi dan ekspresi wajah yang kompleks. Sementara itu, Dlib Library yang berbasis deep learning menawarkan kemampuan yang lebih adaptif terhadap variasi tersebut karena keunggulannya dalam mengekstraksi fitur dan pemahaman yang lebih mendalam terhadap citra wajah.

Penggunaan metrik evaluasi seperti akurasi, presisi, recall, dan F1-Score dalam analisis ini memberikan pemahaman yang komprehensif tentang performa kedua pendekatan. Temuan dari penelitian ini memberikan panduan yang berharga dalam memilih pendekatan yang paling sesuai dengan kebutuhan sistem tertentu. Dengan demikian, penelitian ini bukan hanya menyoroti keunggulan teknis dari masing-masing algoritma, tetapi juga memberikan pandangan yang penting untuk penerapan praktis dalam sistem pengenalan wajah di berbagai bidang, mulai dari keamanan hingga teknologi otentikasi.