OPTIMASI KINERJA SISTEM PENGENALAN WAJAH REAL-TIMEBERBASIS CCTV MENGGUNAKAN MULTITHREADING PADA PERANGKAT TANPA GPU

Abstract

Sistem pengenalan wajah berbasis CCTV secara real-time menuntut kinerja komputasi yang tinggi, terutama ketika dijalankan pada perangkat tanpa akselerasi GPU. Keterbatasan sumber daya ini sering menyebabkan penurunan kecepatan pemrosesan serta meningkatnya latensi sistem. Penelitian ini
bertujuan untuk mengoptimasi kinerja sistem pengenalan wajah real-time berbasis CCTV menggunakan teknik multithreading pada perangkat berbasis CPU. Sistem dibangun dengan memanfaatkan MTCNN sebagai metode deteksi wajah, ArcFace sebagai metode ekstraksi fitur, serta Face Image Quality Filtering (FIQA) sebagai penyaring kualitas citra wajah. Fokus utama penelitian
ini adalah menganalisis pengaruh multithreading terhadap peningkatan frame per second (FPS), waktu inferensi, dan penggunaan CPU. Pengujian dilakukan menggunakan lima skenario pengujian yang merepresentasikan berbagai kondisi jumlah objek, pergerakan, dan pencahayaan. Hasil pengujian menunjukkan bahwa penerapan multithreading mampu meningkatkan FPS dan menurunkan waktu inferensi secara signifikan dibandingkan dengan sistem single-thread, meskipun penggunaan CPU meningkat. Dengan demikian, multithreading terbukti efektif dalam mengoptimasi kinerja sistem pengenalan wajah real-time pada perangkat tanpa GPU.