Cap jari adalah biometrik identiti kepercayaan terawal dan paling kerap digunakan untuk tujuan pengenalpastian. Kajian telah membuktikan bahawa tiada dua orang dalam dunia ini mempunyai cap jari yang sama. Tambahan pula pengenalpastian menggunakan cap jari adalah lebih murah berbanding dengan biometrik dalam bentuk yang lain seperti urat jari, mata dan tapak tangan tetapi ia masih boleh menjana keputusan yang boleh dipercayai. Cap jari masih menghadapi beberapa cabaran. Faktor-faktor seperti keadaan kulit, debu, hingar dalam pengimbas cap jari dan banyak lagi menjejaskan kualiti gambar cap jari yang ditangkap. Justeru, teknik peningkatan gambar yang lebih berkesan adalah penting untuk mendapat balik maklumat yang penting pada cap jari. Cabaran yang seterusnya adalah cara mengambil minutiae. Minutiae adalah ciri-ciri cap jari yang paling kerap diguna dan ia boleh dibahagikan kepada cabangan dan penghujung. Cara pengambilan minutiae perlu dipertingkatkan supaya minutiae yang benar dapat dipilih keluar. Selain itu, cara untuk menjodoh cap jari perlu boleh mengatasi perubahan putaran dan peralihan kerana kedua-dua factor tersebut penting bagi menjamin sistem cap jari ini menghasilkan keputusan yang baik. Projek ini memberi perhation kepada cara untuk menjodoh cap jari. Sudut segi tiga diperkenalkan untuk mencari titik rujukan bagi menjodoh cap jari panduan dan cap jari masukan.Sudut segi tiga membantu dalam memilih segi tiga yang kelihatan serupa sahaja untuk proces seterusnya. Semua kombinasi minutiae yang membentuk segi tiga dan sudut segi tiga bagi cap jari panduan dan cap jari masukan disimpan di dalam pangkalan data. Kemudian, sudut cap jari masukan dibandingkan dengan sudut cap jari panduan yang dipilih satu per satu. Segi tiga daripada cap jari masukan yang sudutnya tidak padan dengan cap jari panduan akan disingkir daripada proses seterusnya. Ini dapat membantu menjimatkan masa yang digunakan oleh sistem pengesahan cap jari ini. Teori Pythgoras dapat menentukan perbezaan sudut antara cap jari panduan dan cap jari masukan. Ia menghasilkan keputusan yang baik jika dibandingkan dengan cara orientasi tempatan. Minutiae sasaran dan minutiae yang terdekat dengannya dipilih untuk mengira sudut dengan mengunakan persamaan dalam teori Pythagoras. Sudut daripada cap jari panduan ditolak dengan sudut daripada cap jari masukan. Seterusnya, perbezaan sudut antara cap jari panduan dan cap jari masukan diperoleh.
_________________________________________________________________________________________
Fingerprint images is the oldest biometric identity been use for biometric identification. Fingerprint is proven unique and no two persons in this world have exactly same fingerprint. Furthermore, biometric identification using fingerprint is cheaper if compared to other biometric modal like finger vein, eye and hand palm but it still can produce high reliability result. There are numbers of difficulty faced by fingerprint biometric modal. Quality of fingerprint captured by fingerprint scanner may be influent easily by the skin condition, dust on fingerprint scanner, noise of fingerprint scanner and more. Therefore robust image enhancement methods are important to
retrieve the information in fingerprint. Another difficulty is information extraction algorithm. Fingerprint minutiae are the most commonly used fingerprint features and can be categories into two types which are termination minutiae and bifurcation minutiae. Robust minutiae extraction method needs to be studied in order to get genuine minutiae from fingerprint. In reality, fingerprint images taken from scanner are in various position and angle. Robust minutiae matching algorithm which is able to counter the rotation and translation deformation of fingerprint images is crucial to produce high accuracy fingerprint verification system. This thesis focuses on the study of minutiae matching algorithm. Triangle’s angle approach is introduced for reference point searching purpose. It helps to choose similar triangles among many triangles in input fingerprint image and propose the selected triangles for further processing. All the minutiae combination to form triangle and the angle of the triangle are stored in database for both input fingerprint and template fingerprint. Then angles of input fingerprint’s triangles are compared with the targeted template fingerprint’s triangle. Triangle from input fingerprint which is out of tolerance angle will be disqualified for further matching process. This can reduce the processing time to search reference point. Pythagoras Theorem applied on reference triangle can accurately determine the angle difference between template minutia and input minutia. It produced better result if compared to local orientation method. Targeted minutiae and the nearest minutiae neighbor of the reference triangle are chosen as the two points to apply Pythagoras theorem. Template angle is then subtracted with input angle. Then the angle difference between template fingerprint and input fingerprint is get.