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