Hari ini, pelbagai jenis ciri biometrik telah digunakan dalam sistem pengenalan, untuk membenarkan pengguna untuk mengakses system, termasuk iris, muka, dan cap jari. Ciri-ciri biometrik menjadi popular dalam teknologi keselamatan kerana kebolehpercayaan yang tinggi dan keunikan yang tidak mudah ditiru oleh orang lain. Walau bagaimanapun, dua masalah utama ini bagi ciri-ciri biometrik adalah kos yang tinggi dan kekekalan. Sebagai contoh, pengimbas iris mempunyai harga yang lebih tinggi berbanding dengan sistem biometrik lain. Penyelidikan yang dijalankan memerlukan kos yang tinggi dalam pengambilan pakar-pakar dan masa yang panjang. Bagi muka, masalah berlaku apabila pengguna mempunyai ungkapan atau menggunakan organ muka untuk melakukan tugas-tugas, seperti: makan atau mengunyah makanan, menutup mata atau bersin. Oleh itu, kos pelaksanaan yang digunakan untuk kamera yang berkualiti dan perisian canggih adalah agak tinggi. Bagi cap jari, ia adalah terkenal kerana kesederhanaan dan kebolehpercayaannya. Walau bagaimanapun, masalahnya adalah kekekalan corak cap jari. Ramai orang pudar dalam corak cap jari kerana kehilangan kolagen semasa berumur. Untuk mengatasi masalah ini, ciri biometrik baru dengan kos rendah dan kekal telah diperkenalkan dalam projek ini - kedutan ruas pertengahan jari. Limpahan projek ini boleh dibahagikan kepada empat proses: perolehan imej, pra-pemprosesan, pengekstrakan ciri dan klasifikasi. Bahagian perisian telah banyak dilakukan dengan MATLAB, kecuali pembangunan prototaip dalam proses perolehan imej terlibat SketchUp. Prototaip telah direka dan dibuat untuk membantu pemerolehan imej dengan kamera telefon. Pembuatannya adalah untuk memberikan kecerahan, menetapkan kedudukan jari dan kamera. 140 imej corak ruas tengah diambil daripada 14 sukarelawan, di mana setiap sukarelawan membekalkan 10 imej. Dalam peringkat pra-pemprosesan, 140 imej telah menjalani beberapa teknik imej pra-pemprosesan untuk meningkatkan kualiti imej, termasuk saiz ubahan, pengasahan imej, penukaran skala ke kelabu, pelarasan keamatan imej dan manual pemotongan ROI. Pada peringkat ketiga - pengekstrakan ciri, LBP digunakan untuk meningkatkan kontras dan LBP kod imej telah dijana sebagai input peringkat akhir. Dalam peringkat terakhir, SVM telah digunakan sebagai pengelas. 2 jenis SVM yang digunakan dalam projek ini ialah SVM satu kelas dan SVM ramai kelas. Pada akhir kajian ini, keputusan kedua-dua jenis klasifikasi SVM adalah lebih tinggi daripada 95%. Hal tersebut membuktikan bahawa kedutan ruas pertengahan jari boleh digunakan sebagai ciri biometrik dalam sistem pengenalan.
_______________________________________________________________________________________________________
Today, there are many types of biometric traits to be used in identification system, to give permission to the user to access the system, such as iris, face, and fingerprint. Biometric traits became popular in security technology due to its high reliability and uniqueness which is not easy to be imitated by others. However, two major problems of using biometric traits arises as high cost and permanence. For example, iris scanners are relatively having higher price compared to other biometric. The research carried out needs high cost in hiring experts and time-consuming. While for face, the problem occurs when the user is having expression or using the facial organs to do some tasks, such as: eating or chewing food, closing eyes or sneezing. Hence, the implementation cost used for top-quality camera and advanced software to ensure accuracy is quite high. For fingerprint, it was well-known due to its simplicity and reliability. However, one common problem of fingerprint identification system is the permanence of its pattern. There are many people fade in fingerprint pattern due to loss of collagen. To overcome these problems, a new biometric trait with low in cost and high permanence was introduced and its feasibility had been investigated in this study – creases of middle phalanx of finger. The overflow of this project can be separated into four main processes: image acquisition, pre-processing, feature extraction and classification. The software part was mostly done with MATLAB, except the prototype development of image acquisition process involved SketchUp. In image acquisition, a prototype was designed and made to assist the image acquisition by phone camera. It was made to provide brightness, fix the position of finger and camera. 140 images of middle phalanx pattern were taken from 14 volunteers, where 10 images from each of them. In next stage – pre-processing, the 140 images have undergone a series of image pre-processing techniques to improve the image quality and ready for next stage, which include resizing, sharpening, grey scale conversion, image intensity adjustment and manual ROI cropping. In third stage, feature extraction, Local Binary Pattern (LBP) algorithm was used to enhance the image’s contrast and LBP code was generated to be fed into final stage. Classification is the final stage where Support Vector Machine (SVM) was used as classifier. There are 2 types of SVM used in this project: one-class SVM and multiclass SVM, to investigate their performance in classification. At the end of this study, the results of two types SVM classification are both higher than 95%. It proved that the creases of middle phalanx.
Creases of middle phalanx of finger for person identification system / Su Lee Ting