Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Sistem bio-metrik merupakan sistem identifikasi identitas berbasis karakteristik biologis pada manusia seperti wajah, sidik jari, dan iris mata. Iris mata merupakan salah satu karakteristik yang memiliki tingkat reliabilitas tinggi untuk identifikasi seseorang. Pengembangan sistem pengenalan iris mata dengan performa kecepatan dan akurasi yang baik masih terbilang sedikit. Perancangan sistem dengan metode Half Polar Iris Localization dan Normalization bertujuan untuk meningkatkan performa proses segmentasi iris mata. Akurasi dari fungsi lokalisasi dan normalisasi iris pada dataset CASIA-IrisV1 sebesar 95,68 dan performa pengenalan dengan nilai batas Hamming distance sebesar 0.42 memiliki tingkat penolakan sebesar 100 dan tingkat penerimaan sebesar 83,17. ......Biometric systems is an identification for identity systems based on biological characteristics in humans such as face, fingerprint, dan iris. Iris is one characteristic that has high degree of reliability for the identification of a person. Development of open source iris recognition system with great accuracy and performance is still small. System design with Half Polar Iris Localization and Normalization method aims to increase performance of iris segmentation process. Accuracy of localization and normalization function with CASIA IrisV1 dataset is 95.68 and recognition performance with Hamming distance threshold value of 0.42 has 100 of rejection rate and 93.17 of acceptance rate.

Abstrak :
ABSTRAK
Saat ini, Pengenalan biometrik sangat populer untuk pengenalan individu yang menawarkan keamanan dan akurasi yang lebih besar daripada metode otentikasi secara tradisional. Pengenal kucing adalah salah satu pengenal biometrik karena kucing memiliki pengenal unik yaitu hidung kucing. Penelitian ini mengembangkan sistem untuk pengenalan kucing melalui hidung kucing menggunakan You Only Look Once YOLO untuk mendeteksi hidung gambar kucing dan Scale Invariant Feature Transform SIFT . Tujuan dari pendekatan ini adalah untuk mengenali kucing dengan benar dari setiap kucing secara individu. Selain itu, ia bisa melakukannya di setiap sudut hidung kucing. Sistem yang kami usulkan terdiri dari dua tahap. Pertama, kami mendeteksi hidung gambar kucing menggunakan YOLOv2. Setelah hidung terdeteksi, kami mengenali hidung kucing menggunakan metode SIFT dan memastikan bahwa hidung telah dikenali dengan benar. Akurasi deteksi hidung adalah 99,85 untuk dataset pertama yang berisi 700 gambar dan 91,56 untuk dataset kedua yang berisi 676 gambar. Sistem bekerja dengan beberapa tahap dan sepenuhnya otomatis. Sistem pengenalan diuji oleh 1337 gambar kucing sebagai data asli dan 1356 gambar hidung kucing sebagai data referensi dan akurasi sistem yang diusulkan adalah 90,21 .

---

ABSTRACT
Nowadays, biometric recognition is very popular to individual recognition which offer greater security and accuracy than traditional methods of person authentication. Cat recognition is one of biometrics identifier since cat has a unique identifier like cat nose. This research develops a system for recognition the cat through the nose of cat using You Only Look Once YOLO for detected the nose of a cat image and Scale Invariant Feature Transform SIFT . The objective of this approach is to recognize the cat correctly of every kind of cat. Moreover, it can do it in every angle of the cat nose. Our proposed system contains of two stages. First, we detect the nose of a cat image using YOLOv2. After the nose is detected, we recognize the cat nose using SIFT method and make sure that the nose has been recognized correctly. The accuracy of the nose detection is 99.85 for the first dataset which contains 700 images and 91.56 for second dataset that contains 676 images. The system work with several stage and it fully automatic. The recognition system was tested by 1337 cat images as data original and 1356 cat nose image as reference data and the accuracy of proposed system is 90.21 .

Abstrak :
Telapak tangan adalah biometrika yang masih relatif baru. Segmentasi region of interest (ROI) dan ekstraksi fitur telapak tangan merupakan dua isu penting dalam sistem pengenalan telapak tangan. Penelitian ini memperkenalkan metode segmentasi ROI dengan titik pusat momen 2 tahap dan menerapkan metode Gabor 2D untuk menghasilkan kode telapak tangan (palm code) sebagai fitur telapak tangan. Untuk mengukur tingkat kemiripan dua kode telapak tangan maka digunakan metode jarak Hamming ternormalisasi. Pengujian sistem dilakukan dengan menggunakan 1000 sampel telapak tangan milik 200 orang berbeda dengan 3 sampel sebagai acuan dan 2 sampel sebagai uji. Pengujian juga dilakukan dengan 2 ukuran ROI, yaitu 64 x 64 dan 128 x 128 pixel. Hasil pengujian menunjukkan bahwa unjuk kerja terbaik diperoleh ROI 64 x 64pixel mencapai 98,7% atau (FRR = 1,17%, FAR = 0,11%, T = 0,376).

---

Abstract
Palmprint is relatively new in physiological biometrics. Palmprint ROI segmentation and feature extraction are two important issues in palm print recognition. This paper introduces two steps in the center of mass moment method for ROI segmentation that will be applied in the Gabor 2D filter to obtain palm code as palmprint feature vector. Normalized Hamming distance was used to measure the similarity degrees of two feature vectors of palmprint. The system was tested using database 1000 palmprint images generated from 5 samples from each of the 200 persons randomly selected with ROI 64 x 64 and 128 x 128 pixel. Experiment results show that this system can achieve high performance with a success rate about 98.7% (FRR = 1.17%, FAR = 0.11%, T = 0.376) with ROI 64 x 64 pixel.

Abstrak :
Isolasi daerah iris yang tepat dan kecepatan waktu proses yang cepat sangat dibutuhkan pada proses segmentasi dari suatu sistem. Terlebih lagi apabila dihadapkan dengan pangkalan data yang besar. Biometrik iris merupakan salah satu tipe biometrik dengan tingkat akurasi yang tinggi tetapi banyak pemakaian memori. Segmentasi merupakan proses paling awal dari suatu sistem biometrik iris yang akan sangat menentukan kinerja dari suatu sistem. Umumnya, algoritma segmentasi yang banyak digunakan adalah Daugman Integro Differential Operator (IDO). Algoritma ini mempunyai akurasi yang cukup baik tetapi mempunyai kekurangan penurunan akurasi pada masalah pencahayaan suatu citra dan waktu proses yang cukup lama karena banyak menggunakan iterasi. Dalam tesis ini, disimulasikan algoritma Region of Interest (ROI) untuk mempersingkat waktu proses tanpa mengurangi kinerja dari akurasi segmentasi. Algoritma yang disimulasikan melakukan tahapan blurring terhadap citra yang diolah kemudian melakukan pembagian daerah pencarian untuk menetapkan daerah kasar dari posisi iris dalam. Setelah melakukan optimasi posisi iris dalam maka akan dicari titik perpotongan untuk mencari jari-jari dan pusat dari iris dalam. Langkah terakhir adalah mencari jari-jari iris luar dengan acuan iris dalam dengan menggunakan operasi dasar statistik. Hasil simulasi menunjukkan ROI telah berhasil mempersingkat waktu proses segmentasi dan meningkatkan akurasi dibandingkan IDO dengan waktu proses rata-rata sebesar 0,343 detik, EER sebesar 4,12% dan akurasi segmentasi sebesar 1,826%. ...... The time process and accurate isolation of iris region are really needed in segmentation process of a system, in particular if the system are faced with huge databases. Iris Biometric is one of biometric types that has high accuracy eventhough it uses a lot of memory. Segmentation is the first process of this biometric system that will determine the performance of the system. Generally, the segmentation algorithm uses Daugman Integro Differential Operator (IDO). The algorithm has good accuracy but in some cases due to illumination problem it may create circular patches allowing to the algorithm detect a false region and processing in long period of time because too many iteration. In this thesis, an algorithm based on Region of Interest is simulated in order to shorten the time process without sacrificing the accuracy. The simulated algorithm use blurring phase and splitting the search region to determine the rough position of inner iris region. Following the optimization of the inner iris position, the intersection point will be searched to determine the radius and the center of the inner iris. The last step is finding the outer iris boundary relative to the inner iris by using the statistical operation. The simulation result shows that ROI algorithm has succeeded to shorten the time process and increase the accuracy compared with IDO with 0.343 s for average time process, 4.12% for EER and 1.826% for segmentation accuracy.

Abstrak :
[Dewasa ini, teknologi berkembang dengan sangat pesat, salah satu contoh teknologi yang sedang marak beberapa tahun belakangan ini adalah 3D face recognition. Teknologi ini menggabungkan data biometrik berupa wajah orang yang diambil dari beberapa sudut (horizontal dan vertikal) dan jaringan saraf tiruan. Untuk memperbaiki tingkat rekognisi yang rendah pada saat menggunakan data crisp, maka digunakanlah metode fuzzy. Percobaan akan dilakukan sebanyak tiga kali karena terdapat tiga cluster yang masing-masing cluster terdiri dari beberapa set orang. Pertama-tama, data akan diolah secara bertahap pada fase fuzzification dimulai dari parameter ekspresi, orang, dan sudut. Tahapan selanjutnya adalah membuat referensi pada fase fuzzy manifold untuk kemudian digunakan pada fase fuzzy nearest distance. Pada fase fuzzy nearest distance akan dicari jarak terpendek dari data testing dengan referensi yang sudah ada. Hasil keluaran dari sistem ini adalah kombinasi sudut horizontal dan vertikal dari tiap-tiap cluster yang nantinya akan dimasukkan kedalam Jaringan Saraf Tiruan (JST) dengan lapis tersembunyi berstruktur hemisfer untuk mendapatkan tingkat rekognisi. Secara keseluruhan rata-rata tingkat rekognisi setiap cluster sudah bisa mencapai 80%. Hal ini menunjukkan sistem sudah cukup optimal dalam mengenali pola wajah yang ada. ;The development of technology is growing rapidly, one of the examples of the technology that is emerging in recent years is 3D face recognition. This technology combines biometric data in form of faces which are taken from several angles (combination of horizontal and vertical angles) and artificial neural network. In order to improve the low recognition rate from crisp data, fuzzy method is used. The experiment will be performed three times because there are three cluster which are consist of several set of person. Firstly, the data will be processed step by step in fuzzification phase starting from the level of expression continued with the level of face and lastly is the level of person. With the use fuzzification, the crisp data can be converted into fuzzy. The next step is to make references in fuzzy manifold phase in order to be used in fuzzy nearest distance phase. In fuzzy nearest distance phase, the shortest distance between the testing data the references will be processed in artificial neural network with hemispheric structured hidden layer. Generally, the average of the all recognition rate can reach up to 80% which means that the system can recognize the face pattern quite good. ;The development of technology is growing rapidly, one of the examples of the technology that is emerging in recent years is 3D face recognition. This technology combines biometric data in form of faces which are taken from several angles (combination of horizontal and vertical angles) and artificial neural network. In order to improve the low recognition rate from crisp data, fuzzy method is used. The experiment will be performed three times because there are three cluster which are consist of several set of person. Firstly, the data will be processed step by step in fuzzification phase starting from the level of expression continued with the level of face and lastly is the level of person. With the use fuzzification, the crisp data can be converted into fuzzy. The next step is to make references in fuzzy manifold phase in order to be used in fuzzy nearest distance phase. In fuzzy nearest distance phase, the shortest distance between the testing data the references will be processed in artificial neural network with hemispheric structured hidden layer. Generally, the average of the all recognition rate can reach up to 80% which means that the system can recognize the face pattern quite good. , The development of technology is growing rapidly, one of the examples of the technology that is emerging in recent years is 3D face recognition. This technology combines biometric data in form of faces which are taken from several angles (combination of horizontal and vertical angles) and artificial neural network. In order to improve the low recognition rate from crisp data, fuzzy method is used. The experiment will be performed three times because there are three cluster which are consist of several set of person. Firstly, the data will be processed step by step in fuzzification phase starting from the level of expression continued with the level of face and lastly is the level of person. With the use fuzzification, the crisp data can be converted into fuzzy. The next step is to make references in fuzzy manifold phase in order to be used in fuzzy nearest distance phase. In fuzzy nearest distance phase, the shortest distance between the testing data the references will be processed in artificial neural network with hemispheric structured hidden layer. Generally, the average of the all recognition rate can reach up to 80% which means that the system can recognize the face pattern quite good. ]

Abstrak :
Suatu sistem biometrik sangat penting untuk identifikasi dan verifikasi suatu individu dengan berbagai tujuan. Biometrik iris merupakan salah satu tipe biometrik dengan tingkat akurasi yang tinggi tetapi banyak pemakaian memori. Tahap pencocokan merupakan salah satu bagian dari sistem biometik iris yang memakai banyak memori sehingga berpengaruh pada waktu proses. Dalam skripsi ini, akan disimulasikan algoritma Incremental Dissimilarity Approximation (IDA) yang akan dibandinkan dengan algoritma vector quantization (VQ). IDA merupakan algoritma pencocokan cepat berdasarkan ketidaksamaan fungsi norm Lp dimana akan menjadi syarat untuk batas pencarian pencocokan. Hasil simulasi menunjukkan bahwa IDA tidak cocok untuk diaplikasikan pada sistem biometrik iris. Performa yang ditunjukkan sama dengan VQ karena variasi vektor pada citra iris masih memenuhi batas pada algoritma IDA. Namun, secara eksperimental telah didapat nilai batas yang optimal untuk sistem biometrik iris sehingga mempersingkat waktu proses. Kode untuk algoritma VQ dan IDA dikembangkan dengan program MATLAB.

---

A biometric system is really important for identification and verification of a person for a lot of purposes. Biometric iris is one of biometric types that has high accuracy but use lot of memory. The pattern matching is part of iris biometric system that required a lot of memory that affect to the time process. In this paper, Incremental Dissimilarity Approximation (IDA) algorithm will be simulated and compared with vector quantization (VQ) algorithm. IDA is a fast pattern matching based on dissimilarity functions derived from Lp norm for becoming the bounding criterion of pattern matching. The simulation result show that IDA is not suitable to implement for iris biometric system. It has the same performance as VQ because the variety of the vector still satisfy the bounding criterion. However, the experiment has determined the optimal bound for pattern matching in iris biometric system that decrease the time process. The code for VQ and IDA are developed with MATLAB.

Abstrak :
Skripsi ini berisi tentang pengidentifikasian biometrik melalui pola pembuluh darah telapak tangan dengan menggunakan metode Hidden Markov Model (HMM), dengan membandingkan keseluruhan sistem terhadap perubahan ukuran codebook dan jumlah iterasi. Metode HMM secara garis besar terdiri dari dua tahapan proses, yakni proses training database, dan proses identifikasi. Pada sistem pengidentifikasian ini, gambar pembuluh darah telapak tangan yang digunakan adalah gambar dari database CASIA-MS-PalmprintV1 yang dikumpulkan oleh Chinese Academy of Sciences Institute of Automation (CASIA). Gambar tersebut terlebih dahulu diolah dengan menentukan ROI. ROI yang sudah didapatkan kemudian diekstraksi dengan melakukan penambahan kontras, pengubahan gambar ke biner dan melakukan thinning terhadap garis-garis yang ada pada gambar sehingga pola pembuluh darah terlihat jelas.

---

This thesis contains a biometric identification through palm vein patterns using Hidden Markov Models (HMM), by comparing the overall system to changes in the size of the codebook and the number of iterations. HMM method mainly consists of two stages of the process, first one is database training process, and the identification process. This identification system is using palm vein images from Casia-MS-PalmprintV1 database that collected by the Chinese Academy of Sciences Institute of Automation (Casia). First, images are processed by determining the ROI. ROI then extracted by adding contrast, convert to binary image and do the thinning of the lines in the image so that the pattern of vein clearly visible.

Abstrak :
While a sharp debate is emerging about whether conventional biometric technology offers society any significant advantages over other forms of identification, and whether it constitutes a threat to privacy, technology is rapidly progressing. Politicians and the public are still discussing fingerprinting and iris scan, while scientists and engineers are already testing futuristic solutions. Second generation biometrics, which include multimodal biometrics, behavioural biometrics, dynamic face recognition, EEG and ECG biometrics, remote iris recognition, and other, still more astonishing, applications, is a reality which promises to overturn any current ethical standard about human identification. Robots which recognise their masters, CCTV which detects intentions, voice responders which analyse emotions: these are only a few applications in progress to be developed.

Abstrak :
This book investigates advanced techniques in user identification and security, including retinal, facial, and finger print scans as well as signature and voice authentication models"-- Provided by publisher.