perancangan face dan voice biometric … filewajah yang dideteksi tidak sedang menggunakan aksesoris...
Post on 01-Apr-2019
219 Views
Preview:
TRANSCRIPT
Click to edit Master subtitle style
PERANCANGAN FACE DAN VOICE BIOMETRIC MENGGUNAKAN JARINGAN SYARAF TIRUAN
Oleh:Arief PramuditaNRP. 2404 100 024
Pembimbing:Andi Rahmadiansah, ST, MT
NIP. 19790517 200312 0 002
L atar B elak ang
Kebutuhan Tingkat sekuritas dan kemudahan dalam pemakaiannya.
Biometrik adalah metode pengenalan identitas seseorang berdasarkan karakteristik fisik.
Biometrik wajah dan suara termasuk low cost
Tujuan
Merancang sistem biometrik multimodal suara ucap dan vektor wajah menggunakan metode Jaringan Syaraf Tiruan.
Mengetahui peningkatan performa dan variasi sistem pengenalan menggunakan fitur sinyal akustik dan fitur wajah
M anfaat
Memberikan informasi tentang akurasi dari Sistem Biometrik Multimodal Suara Ucap dan vektor wajah menggunakan Jaringan Syaraf Tiruan.
desain awal sistem Biometrik yang dihasilkan diharapkan dapat digunakan untuk pengembangan lebih lanjut.
R umusan M asalah
merancang sistem biometrik multimodal suara ucap dan vektor wajah menggunakan metode Jaringan Syaraf Tiruan.
Performansi sistemnya berdasar kualitas sistem, FAR dan FRR
B atasan M asalah Analisa sinyal suara dik hususk an untuk
pengucapan k ata dengan bahasa I ndonesia. P engujian dilak uk an hanya berdasark an
pada k ata yang sudah ditentuk an ( text dependent).
B acground dan pencahayaan yang digunak an tidak berubah.
W ajah yang didetek si tidak sedang menggunak an ak sesoris atau tertutup dengan obyek lain.
S uara
Suara adalah suatu sinyal yang sangat dipengaruhi oleh frekuensi dan merupakan bentuk sinyal diskrit yang dipengaruhi oleh waktu
Udara mengalir dari paru-paru trachea, sebuah tabung tersusun dari cincin cartilage, laring vocal tract mulutsuara
Apakah speaker recogn ition ?
P roses pengenalan pembicara berdasar pada informasi individual yang terdapat pada sinyal suara
S peaker recogn ition menurut jenisnya: S peaker identification S peaker verification
Apakah speaker recognition?
D ependency Text Text D ependent Text I ndependent
P rincipal Com ponen A nalysis P CA (P rincipal Com ponen A nalysis)
merupak an suatu tek nik untuk menyederhanak an dataset, dengan mengurangi dataset multi- dimensional ke dimensi yang lebih rendah.
H asil vek tor dari proses P CA dinamak an eigenface
P rincipal Com ponen A nalysis P roses P CA dilak ukan dengan :
M engambil data sampel. M enghitung matrik s dari tiap sampel M enhitung mean dari semua sampel. M enghitung kovaran matrik s. M enghitung nilai eigenvector. M endapatkan nilai eigenface.
Jaringan Sayaraf Tiruan
sekelompok unit pemroses kecil yang dimodelk an berdasark an jaringan syaraf manusia.
M etode ini dikembangk an berdasark an : P emrosesan terjadi pada elemen-elemen
sederhana yang disebut neuron Sinyal dilewatk an antar neuron melalui
penghubung Setiap penghubung memilik i bobot yang
ak an mengalik an sinyal yang lewat Setiap neuron memilik i fungsi ak tivasi yang
ak an menentuk an nilai sinyal output
Jaringan Sayaraf Tiruan
B ack propagation / B P M erupak an metode pelatihan terbimbing
( supervised) dan di desain untuk operasi pada JST feed forward m u lti layer.
•Tahap pelatihan B ackpropagation
• Feed forward• B ackpropagation • P enyesuaian
bobot
D iagram B lok proses
input
Output
Testing
Database
Training Process
L evel Fusion
Sensor L evel Fusion M ultiple camera for 3D
Feature level fusion 2 objek yang sama dgn metode sejajar
Score level fusion B ergantung pada skor tiap modality
D ecision level fusion M enggabungk an 2 biometrik . misal
AND / OR
D ata I nput
Jumlah identitas :8 orang D ata diambil sebanyak 20 k ali
pengulangan k ata Fs: 22050 H z , 16 bit , wav D urasi +/ - 2 sekon
Suara
D ata gambar
P engambilan dilak uk an pada ruangan dengan kondisi pencahayaan sama.
P engambilan gambar dilak uk an sebanyak 20 k ali tiap orang.
Cropping area wajah.
R esize menjadi 92x112 pixel
D isimpan dalam format *.png (portable network graph ic)
Acoustic processing
Frame block ing W indowing
%kutipan Matlab<some other program...>frames=enframe(s,hamming(441)); no_offrames=size(frames); no_of_frames=no_offrames(:,1);<some other program...>
Subband based cepstral (sbc)
M enggunak an D W T untuk dekomposisi sinyal kedalam 24 filter sbc
E k strak si fitur gambar
load image ke dalam 1 matrik .
P ada penelitian ini digunak an 60 eigenface
s tart
Grayscaling
Data B iner (8 bit)
Proses eigenface
end
Proyeks i citra ke bentuk eigenface
S egmentas i Image
Gambar 3.11 Flowchart Image Process ing
Matriks has il eigenface tiap
user
P elatihan
Feedforward B ack propagation FFB P dengan konfigurasi 40,80,150 node H idden layer 1 dan 25 node hidden layer 2.
input Hidden layer1
Hidden layer2
input
H asil pelatihan NN suara
40 hidden nodeM se = 0.000291 pada epoch ke 276. 80 hidden node M se = 9.71e-6 pada epoch ke 270 150 hidden nodeM se = 9.60P ada epoch ke 274
H asil pelatihan NN wajah
40 hidden nodeM se = 9.70e-07P ada epoch ke 267 80 hidden nodeM se = 9.94e-07P ada epoch ke 267 150 hidden nodeM se = 9.60e-07P ada epoch ke 267
D ecision level Fusion
M etode yang digunak an adalah metode B ayesian D ecision Fusion
Testing dan perbandingan
Jumlah data test 8 respondet.
40 node MasukanVoice Face Voice + Face
FAR 30 10
FRR 37.1 12.8
Akurasi 65.8 90.780 node Masukan
Voice Face Voice + Face
FAR% 30 10
FRR% 32.8 7.3
Akurasi 69.14 92.9Masukan
Voice Face Voice + Face
FAR% 30 10
FRR% 22.8 4.5
Akurasi 78.14 95.4
D aftar P ustaka
Ariyadi R achmad, 2009, P engenalan R asa L apar M elalu i S uara Tang is B ayi Um ur 0-9 B u lan D engan M enggunakan Neural Network, Jurusan Tek nologi I nformasi, P olitek nik E lek tronik a Negeri Surabaya.
Arun A . R oss, K arthik Nandak umar dan Anil K . Jain, 2006, H andbook of M u ltibiom etrics, Springer Science+B usiness M edia, New York .
A.R . D ewi, 2009, E kstraksi F itu r dan S egm entasi W ajah S ebagai S em antik P ada S istem P engenalan W ajah ,Universitas Gunadarma,
B ayu Setya, 2009, P enerapan Face R ecogn ition D engan M etode E igenface D alam I n telligent H om e S ecurity, Jurusan Tek nik E lek tronik apolitek nik E lek tronik a Negeri Surabaya
B hatnagar, B .E ., M uk ul. 2002. A M odified S pectral S ubtraction M ethod Com bined W ith P erceptual W eighting For S peech E nhancem ent , Thesis. M aster Of Science I n E lectrical E ngineering, The University Of Texas D allas
B radsk i Gary, K aehler Adrian, 2008, L earn ing OpenCV, O’R eilly M edia, United States of America
Cetingul H .E . 2005, M ultim odal S peaker/ S peech R ecogn ition Using L ip M otion , L ip Texture A nd A udio. Turkey : College of E ngineering, K oc - University, Sarıyer, I stanbul 34450.
D elac K resimir, M islav Grgic. 2007. Face R ecogn ition . I -Tech E ducation and P ublishing K G. Croatia
F. I tak ura, 2006, F undam entals of speech analysis and synthesis and its application to speech coding .
K im D aijin, Jaewon Sung. 2009. A utom ated Face A nalysis:E m erg ing Technolog ies and R esearch . I G I Global. New York
M auridhi H ery P dan Agus K urniawan, 2006”S upervised Neural Networks D an A plikasinya”, Graha I lmu,Yogyak arta
top related