Cara Kerja Pengenalan Sidik Jari

Cara Kerja Pengenalan Sidik JariTopik Khusus Teknik Telekomunikasi 1

Arviza AzharDavid Apriando M.Yulian MahendraMuhammad Pandu P.Hengki GunawanNoviandri

Pendahuluan-Berbasis pengolahan citra (Image Processing)Memiliki Pola yang Unik tiap ManusiaManfaat : Sebagai Pengenalan, Aplikasi Biomedik dan Security-Jenis Teknik Pengenalan Sidik Jari :Pendekatan Pengenalan Pola StatistikalPendekatan Pengenalan Pola SintaktikPendekatan Pengenalan Pola Neural

Pengenalan Pola StatistikalPola dipilah berdasarkan model statistik dari ciri.Model statistik didefinisikan sebagai sebuah fungsi kerapatan ruang bersyarat kelas.Pr ( x | ci) dengan i = 1, 2, 3, ,N Pendekatan Pengenalan Pola SintaktikPola dipilah berdasarkan keserupaan ukuran struktural.Pengetahuan direpresentasikan secara formal grammar atau deskripsi relasional yang menghasilkan deskripsi hierarki dari pola kompleks yang tersusun dari pola bagian yang lebih sederhana.

Pendekatan Pengenalan Pola NeuralPemilahan dilakukan berdasarkan tanggapan suatu jaringan pengolah sinyal (neuron) terhadap stimulus masukan (pola).Pengetahuan disimpan dalam sambungan antarneuron dan pembobot sinaptik.

Struktur Sistem Pengenalan Pola

SensorSensor berfungsi untuk menangkap objek dari dunia nyata dan selanjutnya diubah menjadi sinyal digital (sinyal yang terdiri atas sekumpulan bilangan) melalui proses digitalisasi.

Mekanisme Pra PengolahanMekanisme Pra-Pengolahan berfungsi mempersiapkan citra atau sinyal agar dapat menghasilkan cirri yang lebih baik pada tahap berikutnya. Pada tahap ini sinyal informasi ditonjolkan dan dinyal pengganggu (derau) diminimalisasi.

Mekanisme Pencari dan Seleksi FeatureBagian ini berfungsi menemukan karakteristik pembeda yang mewakili sifat Utama sinyal dan sekaligus mengurangi dimensi sinyal menjadi sekumpulan bilangan yang lebih sedikit tetapi representative.

Algoritma KlasifikasiPada tahapan ini klasifikasi dilakukan dengan menggunakan algoritma klasifikasi tertentu. Hasil dari tahapan ini adalah klasifikasi dari objek yang ditangkap ke dalam kriteria-kriteria yang telah ditentukan.

Algoritma DeskripsiPada tahapan ini berfungsi untuk memberikan deskripsi pada sinyal.

Macam Macam Teknik Pengenalan Sidik JariSidik jari adalah berkas yang mempunyai pola unikSetiap manusia memiliki pola sidik jari yang berbedaPola Sidik Jari Manusia Loop Arch Whorl Tented Arch Double Loop Central Pocked Loop dan Accidental

Teknik Pengenalan Sidik Jari :

1. Teknik Minutiae-Based2. Teknik Correlation Based3. Teknik Ridge Feature-Based

Teknik Minutiae-BasedMetode ini sangat populer digunakanMemiliki performa bagus dan komputasi rendahMetode ini meluruskan minutiae masukan gambar (query template) dan gambar gambar (stored templates) dan mencari nomor minutiae yang cocok

Teknik Minutiae-BasedStep Step Pengenalan Teknik Minutiae Based

Pencocokan (Matching)segment (dibentuk dari dua pasangan minutiae pada sidik jari yang sama) dibentuk untuk kedua template (query dan reference), kemudian dikomparasi diantara keduanya. Setiap segment memiliki informasi: panjang dan sudut yang dibentuk oleh segment dan arah minutia

2. Pembentukan Histogram dibentuk untuk perpindahan x dan y (perbedaan posisi) untuk menemukan translasi, dengan informasi rotasi dan translasi dapat menemukan minutiae yang cocok dan menemukan score yang cocok. Histogram dibuat dengan menggunakan orientasi perbedaan sudut pada segment yang cocok

3. Pembentukan Grafik

template referensi template query

Keuntungan dari metode ini adalah :a. waktu pengenalan yang lebih cepatb. mengurangi kapasitas memori

Salah Satu Jenis Teknik Minutiae Based :

Delauney Triangulation MethodPada metode ini terdapat :sebuah lingkaran yang melalui 3 titik pada Delauney Triangular tidak mempunyai satu titik pun.Sudut minimum yang di Delauney Triangulation lebih besar disbanding sudut minimum triangle lainnya.

Indeks tabel dalam Delauney Triangular :Dibuat dengan mempertimbangkan minuate triangles yang dibentuk Delauney TriangularPada setiap minuate triangle, informasi invariant maupun kesamaan transformasi dikomputerasi. Kemudian indeks dibuat yang menggunakan invariant dan pendekatan informasi disimpan dalam indeks tabel.

Dealuney TriangularTeknik Correlation Based

Menggunakan citra dengan mengolah korelasinya setiap pixel, namun perpindahan dan rotasi tidak dapat diketahui dan dibutuhkan untuk melakukan korelasi untuk semua kemungkinan pelurusan. Informasi singular cocok untuk menemukan aproksimasi pelurusan.Salah Satu Jenisnya Metode Template Matching.

Metode Template MatchingTemplate matching adalah sebuah teknik dalam pengolahan citra digital untuk menemukan bagian-bagian kecil dari gambar yang cocok dengan template gambar.

Pencocokan template dengan berkas citra sidik jari menghasilkan prosentase kecocokan antara template dengan berkas citra sidik jari. Untuk mengetahui prosentase tingkat kemiripan template dengan berkas citra sidik jari digunakan perhitungan NC (Normalized Cross Corelation).

Algoritma Template Matching pada Sidik JariScanningUntuk Mendapatkan citra sidik jariMatchinguntuk mengkomparasi hasil scanning dengan referensi sidik jari. Ada dua jenis, yaitu :a. differential rate matchingb. divided- window matching

Differential rate matchingMenggunakan Gambar yang Tipis sebagai referensi sidik jariMetode ini menghitung nilai maksimum dan nilai minimum dari maksimum rate matching yang dikenali oleh referensiAda 4 situasi : 1. sidik jari sama dengan referensi 2. sidik jari berbeda dengan referensi 3. citra sidik jari ada goresan 4. citra sidik jari blur

sidik jari sama dengan referensi

sidik jari berbeda dengan referensi

citra sidik jari ada goresan

citra sidik jari blur Divided- Window MatchingCitra sidik jari yang diambil dibandingkan dengan referensi dengan membandingkan pada daerah citra tertentuDaerah citra ini terbagi menjadi beberapa yang ukurannya kecil Nilai maksimum dan minimum pada daerah citra ini akan menjadi parameter matching atau tidak citra sidik jari dengan referensi

Divided- Window Matching

Teknik Ridge Feature-BasedMencocokan dengan teknik ini menggunakan fitur ridge pada bentuk sidik jari yang terdiri pada komputasi perbedaan antara dua vektor koding sidik jari (query dan reference).Hasil akhir perbedaan kode sidik jari dinormalisasi dan dirata-rata dengan menggunakandelapan arah dan didapatkan nilai yang bervariasi antara nol sampai dengan satuSalah Satu Jenis Teknik Ridge Feature-Based Transformasi Wavelet

4 Klasifikasi hasil dari pengenalan sidik jari , yaitu : correctTerdapat kecocokan antara sidik jari satu dengan sidik jari yang lain pada orang yang sama. false positiveTerdapat kecocokan antara sidik jari satu dengan sidik jari yang lain pada orang yang salah.false negativeTidak terdapat kecocokan antara sidik jari dengan database yang ada.mixedTidak cukup bukti untuk melakukan tes sidik jari.

TERIMA KASIH