Desain dan Implementasi dari Sosial OnlineJaringan dengan Face Recognition

Abstrak-Makalah ini menyajikan ide dari sebuah sosial onlinejaringan yang menggunakan teknologi pengenalan wajah.Dengan teknologi itu, hubungan teman dapat dibanguntanpa perlu memiliki informasi berbasis teks daripengguna, teman rekomendasi algoritma bisa lebihakurat, dan penandaan wajah dapat dilakukan secara otomatis. Thedesain dan implementasi sistem isu-isu tersebut akandibahas. Prototipe jaringan yang diusulkan sosial kitaakan diperlihatkan untuk menunjukkan kelayakan mengadopsiteknologi pengenalan wajah dalam jaringan sosial online.

pendahuluan

jaringan sosial adalah sekelompok orang (atau organisasi atauentitas sosial lainnya) yang terhubung oleh satu set sociallymeaningfulhubungan [1]. Online jaringan sosialmenjadi sangat populer dalam beberapa tahun terakhir. Beberapa sosial populersitus jaringan memiliki ratusan juta penggunaterdaftar. Dalam situs semacam ini, pengguna dapat memperbarui merekaprofil pribadi, memberitahu teman-teman tentang diri mereka sendiri, bermainpermainan dan berbagi foto dengan teman-teman mereka secara internasional.

Sebelum berinteraksi dengan teman-teman, pengguna harus menambahkannyauntuk membentuk suatu hubungan. Dalam jejaring sosial yang adasitus web, ditemukan bahwa, untuk mencari teman, situs-situs webumumnya berdasarkan informasi berbasis teks sepertiseperti alamat email, nama teman-teman, sekolah namateman, dll Meskipun pendekatan ini bekerja, dalam hal inikertas, kami berpendapat bahwa pengenalan wajah dapat digunakan untukmeningkatkan teman mencari dan jasa lainnya secara onlinejaringan sosialPenelitian di pengenalan wajah otomatis dapat tanggal backat setidaknya sampai tahun 1960 [2]. Namun, sebagian besar wajahpengenalan algoritma dikembangkan pada tahun 1980 dan1990-an. Dua yang paling umum di antaranya adalah Kepala SekolahAnalisis Komponen (PCA) dan Komponen IndependenAnalysis (ICA). Kirby dan Sirovich adalah di antara yang pertamauntuk menerapkan PCA untuk menghadapi gambar, dan menunjukkan bahwa PCA adalahskema kompresi optimal yang meminimalkan meankuadrat error antara gambar asli dan merekarekonstruksi untuk setiap tingkat kompresi [3] [4].

Turk dan Pentland mempopulerkan penggunaan PCA untuk wajahpengakuan [5]. PCA adalah cocok dengan gambar didatabase dengan memproyeksikan mereka ke basis dan vektormenemukan citra dikompresi terdekat di subspace(Ruang eigen disebut). ICA juga dapat digunakan untuk membuatfitur vektor yang seragam mendistribusikan sampel data dalamsubspace [6] [7]. Ini menggunakan konseptual yang sangat berbedaICA menghasilkan vektor fitur yang tidak spasiallokal. Sebaliknya, menghasilkan vektor fitur yang menarikbaik perbedaan antara gambar serupa untukmenyebarkan sampel dalam subspace.

Meskipun teknologi pengenalan wajah telah baikdidirikan, tidak ada jaringan sosial online menggunakannya.Teknologi ini dapat memberikan beberapa keuntunganjaringan sosial online, termasuk:

1Teman-teman di foto dapat dicari bahkan tanpaberbasis teks informasi. Hal ini khususnya berguna ketika kitahanya mengambil foto dengan teman baru tapi lupa untuk bertukarkontak.2. Algoritma rekomendasi teman bisa lebihakurat karena bisa memanfaatkan baik berbasis teks danWajah informasi.3. Wajah tagging dapat secara otomatis dilakukan denganteknologi pengenalan wajah

Dalam sisa tulisan ini, kami akan menampilkan desain danarsitektur jaringan yang diusulkan sosial kita online denganfungsi pengenalan wajah. Setelah itu, kami akan mengungkapkan bagaimanateknologi pengenalan wajah dapat digunakan untuk merancangpersahabatan algoritma pencarian baru, untuk menghasilkan temandaftar rekomendasi, dan untuk merancang foto berbasis pencariandan sesuai fungsi. Akhirnya, kita akan membahaspelaksanaan sistem dan menunjukkan kamiprototipe jaringan sosial.

ABEL I.PERBANDINGAN JARINGAN SOSIAL ONLINE DENGAN DAN TANPA WAJAHPENGAKUAN TEKNOLOGISosial yang adajaringanJaringan sosial menggunakan wajah

pengenalan teknologiMembentukhubunganPribadiinformasi seorang temandiperlukanSetiap wajah seorang temanmuncul dalam gambarpengguna cukupMencari danmerekomendasikantemanMenggunakan berbasis teksAlgoritma pencarianMenggunakan pengenalan wajahAlgoritmaTagging seseorang Manual Otomatis

SISTEM ARSITEKTURSeperti ditunjukkan dalam Gambar 1, sistem terdiri dariberikut tiga komponen:• Database User• layanan pengenalan wajah Web• Persahabatan algoritma

User DatabaseSelain informasi dasar tentang pengguna,informasi yang terkait dengan fitur pengenalan wajah adalahdibutuhkan. Formasi ini meliputi:• Wajah - wajah identitas pengguna, jenis dan subjek.• Foto - foto informasi, ID dan subjek.• Photocomment - informasi dari masing-masing penggunamengomentari setiap foto.• Persahabatan - informasi hubungan antarasetiap pengguna.• Pengakuan - informasi hubungan antarawajah foto dan setiap teman.• Undang - informasi hubungan mengundangorang antara tabel user dan persahabatan, mengundangpesan dan status undangan.

B. Face Recognition Layanan JejaringPengakuan wajah layanan web menangani tugasmelibatkan pengenalan wajah. Hal mengimplementasikan dengan wajahmesin pengenalan wajah lokalisasi, pendaftaran danmenggunakan algoritma pencocokan pengolahan gambar digital. Theproses pengenalan wajah terdiri dari beberapa langkah,yang ditunjukkan pada Gambar 2.

Prosedur normal mencakup dua bagian: referensibagian dan bagian identifikasi. Dalam proses referensi,mesin pengenalan wajah pertama akan mendeteksi wajah untukgambar mentah dari foto. Hal ini kemudian akan mengkonversikanfoto untuk grayscale sehingga dapat menghilangkan efek pencahayaandan membuat beberapa proses gambar (PCA atau ICA) untuk mendapatkanresolusi lebih rendah dari wajah. Setelah itu, akan mengekstrakfitur wajah dan toko wajah ke database pelatihan.Dalam proses identifikasi wajah, mesin akanmelalui prosedur yang sama untuk mengekstrak fitur wajahdan membuat perbandingan dengan database pelatihan. Namun dalamimplementasi kami, kami akan melakukan normalisasi beberapasebelum toko ke database pelatihan. Kami akan menormalkansemua muka dengan resolusi dan ukuran yang sama yang dapat meningkatkan

ABEL II.DIANGGAP KASUS DI ALGORITMA PERSAHABATANKasus Deskripsi Unit PembobotanOrang album saya muncul disaya album Jumlah penampilan 10Tidak langsung teman Teman dari teman dari teman saya No umum 8Orang album Friend's muncul diteman saya album Jumlah penampilan 6Foto dengan saya Seseorang telah fotoyang mencakup diri No penampilan 4Co-foto Seseorang dan aku diNomor yang sama foto penampilan 2

kecepatan identifikasi wajah. Setelah wajahlangkah pengakuan, maka akan memberikan skor untuk wajahidentitas. kecepatan identifikasi wajah. Setelah wajahlangkah pengakuan, maka akan memberikan skor untuk wajahidentitas.

Layanan pengenalan wajah disediakan dengan caraLayanan web, yang dapat membuat sistem lebihskalabilitas. Ketika sistem menjadi lebih besar, wajahProses pengenalan bisa menjadi kinerjabottleneck. Karena layanan pengenalan wajahdisediakan oleh layanan web, mesin lebih pengenalan wajahdapat ditambahkan dengan mudah

C. Algoritma PersahabatanAlgoritma persahabatan digunakan untuk menyediakandaftar rekomendasi untuk para pengguna. Algoritma ini membuatmenggunakan wajah yang diakui dalam kasus yang berbeda untuk menghasilkandaftar rekomendasi. Kasus-kasus yang digunakan danbobot yang sesuai untuk setiap kasus disajikan padaTabel 2. Perhatikan bahwa nilai pembobotan yang tepat dapatdirevisi jika perlu.Algoritma persahabatan menganggap kasus yang berbeda, dandalam setiap kasus ada bobot terkait. Darinilai pembobotan, maka dapat dilihat bahwa prioritas telahtelah dipertimbangkan dalam algoritma persahabatan. Artinya,prioritas yang lebih tinggi diberikan kepada hubungan langsung pemilikdan lebih rendah prioritas untuk hubungan langsung.Akibatnya, skor akhir untuk wajah masing-masing dapat dihasilkandengan menggunakan rumus berikut:Skor akhir = tidak. penampilan (album saya) x 10 + no.dari teman biasa (teman tidak langsung) x 8 + no. daripenampilan (album teman) x 6 + no. penampilan(Foto dengan saya) x 4 + no. penampilan (co-foto) x 2Nilai tertinggi dari wajah akan muncul bagian atasmerekomendasikan daftar, dan skor yang lebih rendah wajah akan munculdi bawah tertinggi merekomendasikan teman menurutskor.Berdasarkan skor akhir, algoritma persahabatanakan merekomendasikan wajah untuk pengguna ketika skorlebih tinggi dari ambang.

III. PELAKSANAANA. Informasi PenangananInformasi menangani proses adalah intipengembangan layanan jaringan sosial, seperti yang ditunjukkan dalamGambar 1. Kami menggunakan bahasa script PHP untuk mengembangkanbagian ini. Fungsi menangani akun user,

album foto, mencari dan pesan. Kami menggunakan MySQLuntuk menerapkan database pengguna kami.B. proses pengenalan wajahSelama proses deteksi wajah, kami membuat beberapaoptimasi:• Gambar Convert to grayscale.• Ambil gambar dengan deteksi wajah.• Mengubah ukuran wajah ke ukuran yang sesuai.• Simpan wajah dengan string base64-encoded untuk menghadapidatabase.Optimasi di atas dapat mengurangi penggunaan memoriwajah masing-masing dan meningkatkan kinerja wajahpencocokan. Hal ini juga dapat mengurangi proses untuk menyimpanmentah wajah wajah telah dirampingkan. Thebased64-encoded string akan digunakan dalampelaksanaan layanan reorganisasi wajah web.Setiap user dapat menyimpan identitas beberapa wajah - satu utamaidentitas dan identitas tambahan lainnya. Jadi penggunadapat menyimpan wajah saat ini sebagai identitas utama dan beberapalama wajah identitas tambahan. Wajah-wajah akansimpan dalam database dilatih untuk menggunakan pencocokan wajah.

Setelah perbandingan, mesin akan memberikan wajahidentitas skor. Kita memilih nilai 50 sebagai dasarpengakuan standar. Skor 50 berarti hampir 0,01% daripenerimaan palsu rate (FAR). Ini adalah sosok yang sangat diterimauntuk pengenalan wajah. Setelah skor pencocokan wajahlebih besar dari 50, kita berharap wajah yang cocoksama dengan wajah referensi.

C. Face Recognition EngineUntuk mengimplementasikan mesin pengenalan wajah secara online kamijaringan sosial, kita menggunakan SDK VeriLook [8]. VeriLookSDK adalah pengembangan perangkat lunak kit untuk deteksi wajah danpengenalan wajah. Ini mendukung multiplatform, Windows,Linux dan MacOS. Hal ini juga dapat mendukung C / C + +, C #, VB,Jawa dan Delphi sebagai bahasa pembangunan. Ini berisi duakomponen utama - ekstraktor dan matcher. Hal ini jugamenyediakan perpustakaan manajer kamera untuk mendukungsimultan ambil dari beberapa kamera. Thepencocokan kecepatan mesin adalah 100.000 wajah per detik

dalam 1: N identifikasi. Mendukung deteksi wajah hidup,wajah beberapa pengolahan.

Usaha kami pada bagian ini adalah memanfaatkan VeriLook iniSDK dan untuk membangun layanan Web untuk pengenalan wajah. Kamidesain ini mesin dengan layanan Web yang dapat menyediakanbackend layanan dengan satu atau lebih server. Keuntungannyauntuk membuat sebuah layanan backend adalah bahwa jika wajahpengenalan teknologi perubahan di masa mendatang, backendlayanan dapat diganti tanpa perlu memodifikasikomponen lainnya.

Sebenarnya prototipe ini hanya akan menggunakan beberapa sederhanaprosedur untuk mendeteksi dan mengenali wajah. Jadi remotelayanan terbatas pada lima metode, DetectFaces,CompareFace, CompareMultipleFaces,CompareMultipleScore danCompareMulitpleToMultipleFaces seperti yang ditunjukkan pada Gambar 3.Mereka mencakup semua fungsi yang diperlukan untuk wajahdeteksi dan pengakuan untuk layanan web kami.

d.System Operation

Gambar 4 mengilustrasikan sistem pengendalian bagaimana pengguna(UserB) bertemu dengan yang lain (UserA) dengan pengenalan wajahteknologi.1. Pertama, ketika UserB register ke sistem, selain ituinformasi pribadi dasar, ia harus menyerahkan fotomengandung wajahnya dengan jelas.2. Ketika sistem menerima wajahnya, akan terlihat upwajah dalam database tentang UserB. Jika wajahnya tidakada, ini akan menambah wajah ke database.3. Misalkan UserA telah mengambil foto dengan UserB dalamacara sosial, dan setelah acara, UserA uploadfoto ke album di sistem.4. Sistem akan mencoba untuk mendeteksi wajah pada fotoUserA hanya upload.5. Karena sistem ini memiliki wajah UserA dan UserB, itu

akan menempatkan hubungan mereka dengan algoritma persahabatanpangkat dan membuat daftar rekomendasi untuk kedua UserAdan UserB.6. Akibatnya, UserA dapat menemukan UserB dalam Suratdaftar rekomendasi, dan sebaliknya. Setelah sahabatundangan baik oleh UserA atau UserB, mereka bisa menjaditeman.

E. PengujianPada tahap akhir pembangunan, satu set sampeldata yang digunakan untuk menguji fungsi tersebut, penerimaandan akurasi sistem. Data sampel akan mencakupbeberapa input teks, upload foto dan uji perbandingan. Beberapasampel rekening dan foto berkualitas dibutuhkan untuk iniuji. Kami telah mengumpulkan data sampel dari 30 pengguna dariada aplikasi jaringan sosial. Ukuran foto akandisesuaikan menjadi sekitar 30k untuk respon lebih cepat halaman webdan latensi jaringan yang lebih rendah. Tapi kualitas fotodan wajah harus dipelihara dengan rasio yang dapat diterima

Prosedur pengujian berikut ini dijalankan untuk memastikankebenaran sistem:• Membuat beberapa account pengguna.• Upload foto wajah pengguna yang akan digunakan sebagaiwajah identitas.• Membuat album dengan beberapa account.• Upload foto ke beberapa album.• Jalankan script persahabatan algoritma untuk membuatmerekomendasikan daftar.• Buat teman-teman dengan atau tanpa merekomendasikan daftar.

Klik di foto untuk memeriksa wajah tag dialbum.Setelah pengujian sistem operasi yang benar, kitatelah mengundang sekitar 70 pengguna baru untuk menggunakan sistem untukpengujian antarmuka pengguna dan kinerja. Dalam contoh di atastahap pengujian, kami telah menetapkan satu mesin untuk penangananjaringan infrastruktur sosial dan database pengguna untuk melayaniweb klien, dan mengatur komputer lain untuk penanganan wajahmesin pengakuan untuk memberikan layanan Web. Thekonfigurasi dari mesin adalah:• Core 2 Duo 3.0 GHz

• 1GB DDR2 Memory• 250GB SATA II Hard Drive

IV. PERAGAANPada bagian ini, kami akan menunjukkan bagaimana kita onlinejaringan sosial menyediakan fitur rekomendasidaftar dari foto, database wajah identitas dan penandaan wajah.A. PengujianGambar 5 menunjukkan halaman pertama setelah login penggunasistem. Merekomendasikan daftar ditampilkan pada yang lebih rendahsisi kiri. Dengan mengklik pada "Kenali wajah saya",user bisa mengupload foto ke database identitas wajah.Pengguna dapat meng-upload foto dengan wajah pengguna saja atau denganteman-teman lainnya. Sistem akan mendeteksi wajah dan biarkanpengguna memilih wajah yang tepat untuk database. Setelah iniproses, pengguna akan memiliki identitas wajah untuk sistem.Pengguna dapat memiliki lebih dari satu identitas wajah disistem.Ketika pengguna mengklik "edit" link di samping"Kenali wajah saya", database wajah yang sesuaiakan muncul, seperti yang ditunjukkan pada Gambar 6, sehingga pengguna dapatmenghapus atau memilih kepala tepat untuk profil. wajah inidatabase sebenarnya database dilatih pengenalan wajahproses. Ia menyimpan semua identitas wajah mungkin untuk wajahproses pencocokan dalam pengolahan algoritma persahabatan.B. Wajah TaggingWajah penandaan adalah fitur yang sangat berguna dalam sistem. Theada situs jaringan web sosial umumnya memerlukannama pengguna untuk secara manual memilih dan ketik yang sesuaibidang gambar. Sebagai sistem kami menggunakan wajahpengenalan teknologi, dapat mengenali wajahsecara otomatis tanpa interaksi pengguna. Jika pengguna lupanama temannya, ia dapat menggunakan fitur ini ke dalam daftarnama temannya dari penandaan nama.

V. KESIMPULANKami menerapkan prototipe untuk menunjukkan dasarfungsi dari pendaftaran pengguna, membuat dan mengedit album,upload dan hapus foto, mengedit beberapa bidang teks, dan membuatberteman dengan / tanpa merekomendasikan daftar

V. KESIMPULANKami menerapkan prototipe untuk menunjukkan dasar

fungsi dari pendaftaran pengguna, membuat dan mengedit album,upload dan hapus foto, mengedit beberapa bidang teks, dan membuatberteman dengan / tanpa merekomendasikan daftar.Kami jaringan online sosial dengan pengenalan wajahteknologi menyediakan fitur yang meningkatkan penggunapengalaman dan user friendly daripada sosial yang adajaringan. Fitur mencakup daftar rekomendasifoto, wajah database identitas dan penandaan wajah.PENGAKUANPekerjaan yang diuraikan dalam makalah ini didukung olehMacao Polytechnic Institute Hibah Penelitian (No:RP/ESAP-1/2009).DAFTAR PUSTAKA[1] Barry, W. (1996). Untuk analisis jaringan sosial dari komputerjaringan: perspektif sosiologis pada pekerjaan kolaboratifdan komunitas virtual.[2] W.W. Bledsoe, Metode model dalam pengenalan wajah,Panoramic Research, Inc, Palo Alto, CA PRI: 15 Agustus1966.[3] M. Kirby, L. Sirovich, Aplikasi-Karhunen Loeveprosedur untuk karakterisasi wajah manusia, IEEETransaksi di Analisis Pola dan Intelijen Mesin12 (1990) 103-107.[4] L. Sirovich, M. Kirby, Sebuah prosedur yang rendah-dimensi untukkarakterisasi wajah manusia, Jurnal OpticalSociety of America 4 (1987) 519-524.[5] M. Turk, A. Pentland, Eigenfaces pengakuan, JurnalCognitive Neuroscience 3 (1991) 71-86.[6] M.S. Bartlett, H.M. Lades, T.J. Sejnowski, Independenkomponen representasi untuk pengenalan wajah, yang disajikanpada Simposium SPIE di Imaging Elektronik: Ilmu Pengetahuan danTeknologi, Konferensi Visi Manusia dan ElektronikIII Imaging, San Jose, CA, 199