Teknik ANALISIS PENGENALAN GAMBAR SIDIK JARI MENGGUNAKAN EKSTRAKSI FITUR MINUTIAE DAN DEEP LEARNING

Abstract

Salah satu alat biometrik yang menawarkan akurasi lebih baik dan biaya lebih rendah dibandingkan modalitas biometrik lainnya adalah otentikasi sidik jari. Masalah ini hanya dapat diatasi dengan pemrosesan identifikasi gambar sidik jari yang tinggi karena sidik jari menjadi semakin umum dan kumpulan data semakin bertambah. Dalam penelitian ini peneliti menganalisis deep learning dengan fitur minutiae agar diperoleh akurasi yang tinggi dalam waktu singkat, sedangkan penggunaan cloud computing dapat menurunkan biaya sistem. AlexNet, yang dianggap ideal terbaik untuk identifikasi gambar sidik jari, adalah salah satu arsitektur CNN yang digunakan dalam pembelajaran mendalam. Banyak kumpulan data yang kami gunakan sebagai pengujian data diklasifikasikan oleh AlexNet, dan kumpulan data ini kemudian diputar dan dikalikan beberapa kali untuk menyediakan data pelatihan dengan ukuran sederhana, sehingga memungkinkan pemrosesan temuan lebih cepat. tepat dan ringkas. Hasil percobaan menunjukkan bahwa pendekatan yang disarankan bekerja dalam identifikasi sidik jari dengan kinerja yang stabil, sangat akurat, dan kuat.