Soft Biometrics

• 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

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

komponen umum periokular :

• iris

• sklera , dan

• kelopak mata

(a) Menggambarkan gerakan kelopak mata

(b) Kehadiran beberapa kandidat sudut

Gambar. 5.12 Contoh gambar yang menunjukkan kesulitan dalam pelurusan gambar periokular.

(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.

• 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.

• 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.

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.

• 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.

• 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.

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.

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.

Terima KasihTerima Kasih