UNITOMOUNITOMO

Inform: Jurnal Ilmiah Bidang Teknologi Informasi dan KomunikasiInform: Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi

Sistem akses pintu pintar otomatis yang diusulkan menggabungkan Haar Cascade untuk pendeteksian wajah secara real-time dan Local Binary Pattern Histogram (LBPH) untuk pengenalan identitas yang ringan. Arsitektur sistem ini dibantu oleh IoT, di mana ESP32-CAM menangkap frame wajah dan mentransmisikannya melalui Wi-Fi ke unit pemrosesan yang melakukan deteksi, pengenalan, dan logika keputusan akses, kemudian mengaktifkan kunci solenoid dan menghasilkan log peristiwa berbasis Telegram untuk mendukung pelacakan. Haar Cascade secara efisien melokalisasi daerah wajah melalui pemindaian multi-skala dan penolakan berbasis cascade, sedangkan LBPH mengkodekan pola tekstur lokal menjadi histogram untuk pencocokan identitas dengan beban komputasi yang rendah. Sistem yang diusulkan dievaluasi dengan tiga peserta yang terdaftar dalam tujuh percobaan, mencakup variasi penerangan, wajah ganda, dan kasus kegagalan terkendali yang dirancang untuk mensimulasikan upaya tidak sah atau tidak dapat diverifikasi. Hasil eksperimental menunjukkan tingkat pembukaan yang berhasil sebesar 85,71% (6/7 percobaan) dengan waktu respons akhir-ke-akhir rata-rata sekitar 2,20 detik, menunjukkan bahwa sistem dapat beroperasi dalam batasan latensi praktis untuk pengendalian akses real-time. Selain itu, kasus kegagalan terkendali ditolak dengan benar, menunjukkan sikap keamanan konservatif yang mencegah pembukaan yang tidak aman ketika bukti wajah tidak mencukupi. Secara keseluruhan, temuan menunjukkan bahwa desain hibrid klasik yang diusulkan menyediakan keseimbangan yang efektif antara keandalan pengenalan, latensi, dan kelayakan penerapan untuk aplikasi keamanan pintu pintar yang diaktifkan IoT, khususnya dalam lingkungan yang terbatas biaya dan daya.

Hasil eksperimental menunjukkan bahwa sistem akses pintu pintar otomatis yang diusulkan dapat mendukung pengambilan keputusan akses praktis dengan perilaku keamanan konservatif, karena tidak ada pembukaan palsu yang terjadi selama percobaan.Namun, kehadiran satu percobaan gagal menyarankan bahwa keandalan pengenalan tetap sensitif terhadap perubahan penampilan ekstrem, seperti yang ditunjukkan oleh kasus kegagalan terkendali yang melibatkan penutup wajah penuh.Perilaku ini konsisten dengan karakteristik mendasar LBPH, yang mengandalkan pola tekstur lokal.ketika daerah wajah sebagian besar tertutup, informasi menjadi tidak mencukupi, menyebabkan penolakan.Dari sudut pandang desain sistem, perilaku konservatif ini diinginkan karena mencegah pembukaan yang tidak aman ketika bukti wajah tidak lengkap.Sehubungan dengan responsivitas, durasi deteksi yang direkam untuk peristiwa membuka kunci yang berhasil berkisar antara 2,01 detik hingga 2,54 detik, dengan hasil 2,30 detik dan 2,09 detik untuk Peserta P1, 2,01 detik untuk Peserta P2, dan 2,02 detik, 2,23 detik, dan 2,54 detik untuk Peserta P3.Waktu respons ini mencerminkan latensi gabungan akuisisi bingkai pada ESP32-CAM, transmisi nirkabel ke unit pemrosesan, deteksi dan pengenalan sisi host, dan aktivasinya.

Untuk penelitian lanjutan, perlu dilakukan validasi terhadap populasi pengguna yang lebih besar dan beragam, serta menerapkan peningkatan ketahanan, seperti normalisasi iluminasi dan mekanisme anti-spoofing, untuk meningkatkan generalisasi di bawah kondisi dunia nyata. Selain itu, perlu dipertimbangkan integrasi mekanisme perlindungan privasi untuk mengurangi risiko kebocoran data biometrik saat gambar atau templat melintasi jaringan atau disimpan di lingkungan yang kurang terpercaya. Penelitian lebih lanjut juga dapat berfokus pada pengembangan strategi pembelajaran yang berbasis pada pola biner dan representasi tekstur berbasis untuk meningkatkan ketahanan terhadap serangan penyamaran dan presentasi.

  1. Face recognition for smart door security access with convolutional neural network method | Tribuana |... telkomnika.uad.ac.id/index.php/TELKOMNIKA/article/view/25946Face recognition for smart door security access with convolutional neural network method Tribuana telkomnika uad ac index php TELKOMNIKA article view 25946
  2. Multi-Layer Consistency Validation of IoT Systems with UML Inheritance Dynamic Diagrams via SPIN Model... iieta.org/journals/isi/paper/10.18280/isi.280610Multi Layer Consistency Validation of IoT Systems with UML Inheritance Dynamic Diagrams via SPIN Model iieta journals isi paper 10 18280 isi 280610
  3. Inform: Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi. optimizing face recognition emotion... ejournal.unitomo.ac.id/index.php/inform/article/view/9304Inform Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi optimizing face recognition emotion ejournal unitomo ac index php inform article view 9304
Read online
File size818.09 KB
Pages11
DMCAReport

Related /

ads-block-test