Analisis Jurnal "Cloud-Vision: Real-time Face Recognition Using a Mobile-Cloudlet-Cloud Acceleration Architecture (Tolga Soyata, Ranjani Muraleedharan, Colin Funai, Minseok Kwon, Wendi Heinzelman)"

Cloud-Vision: Real-time Face Recognition Using a Mobile-Cloudlet-Cloud Acceleration Architecture

Kali ini saya diberikan tugas menganalisis jurnal oleh dosen saya, saya memilih jurnal pengenalan wajah menggunakan Smartphone dengan menggunakan sistem Cloudlet. Penerapan aplikasi pengenal wajah dengan menggunakan Arsitektur cloudlet mobile bernama MOCHA (Mobile Cloud Hybrid Architecture) platform cloud computing, dengan menggunakan Cloud sebagai server, yang dapat mengevaluasi kinerja wajah. Algoritma pengenalan menggunakan arsitektur MOCHA dengan waktu respon yang cepat secara keseluruhan serta memvalidasi fungsionalitas sistem saat permintaan dikirim dari perangkat ponsel. Lalu bagaimana cara mendistribusikannya beban komputasi untuk mencapai waktu respon minimal
diberi latensi komunikasi beragam dan komputasi server saat perangkat seluler berinteraksi dengan beberapa server di awan. Kami menggunakan ponsel cerdas sebagai perangkat mobile utama kami untuk menangkap gambar dan meneruskannya ke cloudlet, itu cloudlet melakukan penghitungan pada gambar yang diterima dan menemukan gambar yang cocok dari database yang bekerja sama dengan awan.

Kontribusi dari pengenalan wajah ini adalah :

1)      Mocha menggunakan kerangka awan-cloudlet seluler dan berkembang algoritma yang meminimalkan waktu respon secara keseluruhan untuk pengenalan wajah berdasarkan perkiraan komunikasi latensi dan kekuatan pemrosesan awan.

2)      Mocha menunjukkan bahwa awan awan bertenaga tinggi secara teknis layak dan memberi manfaat bagi wajah perangkat mobile aplikasi pengenal, antara lain. Yang terbaik pengetahuan kami, belum ada pekerjaan sebelumnya yang menunjukkan hal ini pada skala besar dengan arsitektur, algoritma, dan aplikasi.

Dalam arsitektur MOCHA ini menjelaskan bahwa sistem MOCHA ini dapat diakses menggunakan, perangkat mobile seperti smartphone, touchpad, dan laptop yang terhubung dengan cloud (seperti, Amazon Web Services, Windows Azure) melalui cloudlet, dedicated server yang dirancang dari perangkat keras komoditas mendukung beberapa koneksi jaringan seperti 3G / 4G, Bluetooth, WiFi dan Internet.

Cloudlet menentukan bagaimana caranya partisi perhitungan antara dirinya dan beberapa server di awan untuk mengoptimalkan keseluruhan kualitas layanan (QoS),
berdasarkan perkiraan metrik QoS (seperti, latensi, biaya)

Cara kerja Sistem MOCHA :

1.      Perangkat Mobile

Tugas utama perangkat mobile ini adalah mengambil gambar wajah kita secara real dan mengirimkannya ke cloudlet dalam bentuk mentah untuk pra-pengolahan, yang tertangkap gambar bisa dikirim ke awan dan sebuah program bisa dijalankan untuk melakukan pencocokan template real-time lebih besar database yang terletak di cloud. Namun, mengirim data mentah ke awan sangat intensif jaringan dan mungkin
menjadi tidak perlu, karena awan mungkin hanya membutuhkan yang sangat kecil
subset dari informasi (mis., fitur dan klasifikasi Haar). Jadi pra-pengolahan gambar (s), baik di ponsel perangkat atau di cloudlet, diperlukan. Setelah pengenalan wajah selesai, perangkat mobile menerima hasilnya kembali dari cloudlet atau langsung dari awan (atau, dalam kasus Aplikasi Amber Alert, hasilnya dikirim ke yang sesuai Lokasi FBI). Seluruh proses ini dilakukan secara transparan sehingga pengguna ponsel tidak melihat perbedaan dibandingkan dengan melakukan komputasi lokal di perangkat mobile.

2.      cloudlet adalah tujuan khusus yang tidak mahal menghitung-kotak dengan kemampuan paralel secara besar-besaran pengolahan (MPP), menggunakan GPU seperti Nvidia GT520. Cloudlet konsep kami memiliki 150 Gflop tunggal menghitung kemampuan, memori 2 GB, dan daya total 40 W konsumsi dengan biaya di bawah $ 100. Cloudlet itu, dilengkapi dengan GPU dan CPU ringan (mis., INTEL ATOM).

3.      Cloud komputasi awan didasarkan pada konsep dasar berbagi sumber daya di antara awan lokal dan global yang tersedia, server untuk meningkatkan QoS dan kinerja aplikasi. Karena dengan tersedianya komputasi dinamis publik dan swasta infrastruktur, pendekatan optimal untuk perhitungan partisi / tugas ke server yang menyeimbangkan sasaran kinerja seperti waktu respon dan kehandalan diperlukan. Banyak aplikasi
yang mendapat manfaat dari penggunaan cloud memiliki batasan waktu nyata, dengan kecepatan respon menjadi faktor pendorong memilih sumber daya global atau lokal. Faktor kinerja seperti waktu pemrosesan dan latensi komunikasi secara langsung
mempengaruhi kecepatan respons server awan terhadap permintaan untuk perhitungan data. Jadi dengan menggunakan sistem MOCHA ini waktu respon yang kita inginkan menjadi lebih cepat, efektif, dan efisien. 

Pada tahap pengenalan wajah menggunakan arsitektur MOCHA dengan based cloud, adapun tahap-tahap nya sebagai berikut:

1.      Face Detection (mendeteksi wajah)

2.      Face Recognition (pengenalan wajah)

3.      Cloud-Vision (sistem cloud)

Pada tahap face detection dengan menggunakan smartphone disini wajah kita di deteksi yang mana hidung, mulut, mata sehingga dapat diketahui kalau itu adalah manusia asli.

Pada tahap pengenalan wajah, data-data paspor kita lah acuan nya dan foto paspor kita lah acuanya, apakah benar itu wajah asli kita, jika sudah benar maka langsung masuk ke tahap verifikasi Cloud-Vision semua data-data yang kita masukan diverif.