PENGENALAN PEMBULUH DARAH JARI MANUSIA UNTUK AUTENTIKASI DENGAN MAXIMUM CURVATURE POINTS SEGMENTATION DAN TEMPLATE MATCHING

MUHAMAD HASAN WIRASNO

Informasi Umum

Kode

19.04.4929

Klasifikasi

006.42 - Computer science-Image processing

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Vision

Dilihat

220 kali

Informasi Lainnya

Abstraksi

Sebagai biometrik, pembuluh darah jari lebih diunggulkan dalam keamanannya dibandingkan dengan sidik jari. Karena pola pembuluh darah jari ada di dalam kulit sehingga sulit untuk dipalsukan. Agar pembuluh darah yang berada didalam kulit menjadi tampak perlu metode khusus. Sinar inframerah yang ditembakan ke jari manusia memantul kembali, kecuali pembuluh darah. Hemoglobin yang sifatnya menyerap gelombang inframerah, membuat jalur pembuluh darah menjadi terlihat gelap pada kamera inframerah. Jalur pembuluh darah yang unik, dimanfaatkan untuk autetikasi. Citra pembuluh darah termasuk yang sulit untuk mengekstraksi cirinya. Thresholding dengan otsu methode dan berbagai macam deteksi tepi menghasilkan segmentasi yang buruk. Maximum Curvature Point segmentation diusulkan sebagai metode yang mengekstrak pembuluh darah berdasarkan titik maximum kurva. Sistem biometrik tersebut lalu diterapkan kedalam aplikasi absensi. Dengan menggunakan alat yang didesain untuk menangkap citra terdiri dari LED inframerah dipancarkan tembus melewati jari dan kamera endoscope. Lalu sistem absensi terdiri dari pendaftaran yaitu memasukan nama dan pola pembuluh darah kedalam database, "absen masuk" dan "absen keluar" untuk mengenali pola dengan membandingkannya dengan database yang kemudian direkam waktu kapan berinteraksi dengan fungsi "absen masuk" atau "absen keluar". Pemrosesan ekstraksi ciri Maximum Curvature Point dan klasifikasi Template Matching menghasilkan performansi sistem sebesar 81%. Dengan performansi sebesar itu tidak mungkin diterapkan kedalam sistem. Kemudian hasil dari ekstraksi ciri kemudian diberi metode Maximum Pooling sebelum diklasifikasi. Dengan megubah parameter tertentu dari metode tersebut maka didapatkan performansi sistem sebesar 90,89% dengan kecepatan pengenalan 3,2 detik dari templat yang terdaftar sebanyak 600.