soft biometric
TRANSCRIPT
![Page 1: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/1.jpg)
Soft Biometrics
![Page 2: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/2.jpg)
• Soft Biometrics adalah seperangkat ciri yang dapat memberikan informasi tentang seorang individu, meskipun tidak dapat mengotentikasi individual subjek karena tidak memiliki kekhasan dan keabadian.
Soft Biometrics meliputi :
• periokular,
• tanda wajah, dan
• tato
![Page 3: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/3.jpg)
periokularDaerah periokular adalah daerah sekitar
mata, dan umumnya dianggap sebagai salah satu daerah yang paling diskriminatif dari wajah.
Gambar. 5.11 Contoh gambar periokular dari dua mata yang berbeda
![Page 4: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/4.jpg)
komponen umum periokular :
• iris
• sklera , dan
• kelopak mata
![Page 5: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/5.jpg)
(a) Menggambarkan gerakan kelopak mata
(b) Kehadiran beberapa kandidat sudut
Gambar. 5.12 Contoh gambar yang menunjukkan kesulitan dalam pelurusan gambar periokular.
![Page 6: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/6.jpg)
(a) Input image (b) Iris detection
(d) wilayah sampel Bunga(c) pengambilan sampel titik bunga
Gambar. 5.13 Skema pelurusan gambar dan proses ekstraksi fitur untuk gambar periokular.
![Page 7: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/7.jpg)
• Fitur diekstraksi dengan menggunakan semua nilai piksel di daerah bunga pada iris. Dari pusat, C_iris, dan jari-jari, R_iris, dari iris, Multiple (= NPI) bunga poin p1, p2,. . . , Pnpi dipilih dalam jendela persegi aroundCiris didefinisikan dengan lebar 6 × Riris dan tinggi 4 × Riris seperti yang ditunjukkan pada Gambar 5.13.
Gambar. 5.14 Contoh fitur lokal untuk konstruksi deskripsi menggunakan Operator SIFT. Setiap kotak berlari diputar dengan
memperhatikan orientasi besar atau gradien.
![Page 8: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/8.jpg)
• Jumlah titik bunga ditentukan berdasarkan frekuensi sampling (1/Dp), yang berbanding terbalik dengan jarak antara titik bunga, Dp × Riris. Untuk setiap titik pi bunga, daerah ri persegi didefinisikan. Dimensi masing-masing persegi panjang (ri) di ROI adalah ukuran (Dp × Riris) oleh (Dp × Riris). Ketika Dp = 1, ukuran persegi panjang menjadi Riris × Riris (lihat Gambar 5.13 (d)).
• Gambar 5.14 menunjukkan pendeteksian poin kunci dan kotak sekitar periokular. Dimana fitur GO dan LBP mengekstrak wilayah sekitar mata, sedangkan fitur SIFT mengekstrak daerah yang menonjol dari mata.
![Page 9: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/9.jpg)
5.5.1.3 Feature matching
• Metode percocokan :
1.fitur GO dan LBP : perhitungan skor pencocokan dengan menghitung jarak Euclidean.
2.Fitur SIFT : Skema pencocokan dengan menghitung perbandingan jarak.
![Page 10: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/10.jpg)
• Dengan gambar Ii, satu set SIFT poin kunci
• Ki = {ki1, ki2, · · ·, kin}
Dalam pencocokan sepasang gambar Ii dan Ij,
semua keypoints Ki dari Ii dan Kj dari Ij dibandingkan untuk menentukan berapa banyak keypoints yang berhasil dicocokan.
• Jarak Euclidean dari kia semua poin kunci dalam Kj dihitung untuk mendapatkan d1 jarak terdekat dan d2 jarak terdekat kedua.
• Ketika d1/d2 perbandingan cukup kecil (kurang dari thratio threshold), kia dianggap memiliki titik kunci yang cocok di Kj. Dengan menggunakan rasio d1 dan d2, baik kesamaan dan keunikan titik pasangan.
![Page 11: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/11.jpg)
• identifikasi menggunakan sifat biometrik periokular, bisa dilakukan hanya jika gambar berkualitas baik dan menunjukkan variasi intra-kelas rendah.
• akurasi identifikasi berdasarkan sifat biometrik periokular bisa mencapai 80%.
• biometrik periokular juga dapat mengidentifikasi orang dengan wajah yang tersumbat.
Gambar 5.15 menunjukkan contoh wajah otomatis dan deteksi daerah periokular untuk (a) wajah penuh dan (b) wajah tersumbat.
![Page 12: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/12.jpg)
5.5.2 Face marks
Kegunaan tanda wajah :
(a) menambah pencocokan wajah yang ada untuk meningkatkan akurasi identifikasi,
(b) memudahkan dalam pencarian gambar,
(c) memungkinkan percocokan atau pengambilan gambar wajah parsial atau off-frontal, dan
(d) menyediakan bukti yang lebih deskriptif tentang kemiripan atau perbedaan antara gambar wajah, sebagai bukti dalam proses hukum.
![Page 13: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/13.jpg)
Gambar. 5.16 Contoh hasil pencocokan dengan empat pasangan yang berbeda. Gambar pasangan (a) dan (b) berhasil
dicocokkan sedangkan pasangan gambar (c) dan (d) gagal
mencocokkanAlasan kegagalan karena variasi antar-kelas
yang disebabkan karena berpose dan perubahan serta gerakan alis dan kelopak
mata iluminasi.
![Page 14: Soft Biometric](https://reader035.vdocuments.pub/reader035/viewer/2022081418/55cf994e550346d0339cb037/html5/thumbnails/14.jpg)
Terima KasihTerima Kasih