FACE PRESENTATION ATTACK DETECTION MENGGUNAKAN METODE LOCAL BINARY PATTERN DAN RESTRICTED BOLTZMANN MACHINES

Nur 'Aisyah Nadiyah, - (2021) FACE PRESENTATION ATTACK DETECTION MENGGUNAKAN METODE LOCAL BINARY PATTERN DAN RESTRICTED BOLTZMANN MACHINES. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_1705509_Title.pdf Download (1MB)
	Text S_KOM_1705509_Chapter1.pdf Download (572kB)
	Text S_KOM_1705509_Chapter2.pdf Restricted to Staf Perpustakaan Download (2MB)
	Text S_KOM_1705509_Chapter3.pdf Download (594kB)
	Text S_KOM_1705509_Chapter4.pdf Restricted to Staf Perpustakaan Download (3MB)
	Text S_KOM_1705509_Chapter5.pdf Download (508kB)
	Text S_KOM_1705509_Appendix.pdf Restricted to Staf Perpustakaan Download (10MB)

Abstract

Sistem pengenalan wajah saat ini sudah sangat banyak digunakan untuk pengamanan sistem, namun sistem ini merupakan biometrik yang rentan karena paling mudah dimanipulasi. Dari masalah ini, penelitian tentang face presentation attack detection dilakukan dengan harapan model yang dibangun dapat digunakan pada sistem pengenalan wajah sebagai alat pendeteksi serangan pemalsuan wajah dengan fokus penelitian pada jenis serangan photo-attack dan video-attack. Model ini dibangun menggunakan data yang berasal dari database OULU-NPU yang diproses frame per frame sebagai data yang independen. Algoritma Local Binary Pattern (LBP) dan Restricted Boltzmann Machines (RBM) digunakan sebagai metode ekstraksi fitur dari citra wajah. LBP digunakan untuk mengekstraksi fitur tekstur dari citra wajah, sedangkan RBM digunakan untuk mencari pola hubungan dari citra. Hasil evaluasi model menunjukkan model dengan ekstraksi fitur LBP-RBM berhasil mencapai akurasi sebesar 90% dan model dengan ekstraksi fitur RBM mencapai akurasi sebesar 95%. Sedangkan model terbaik diperoleh saat metode ekstraksi fitur dilakukan dengan mengimplementasikan algoritma LBP dengan tingkat akurasi yang dihasilkan mencapai 98%. Face recognition systems are currently used widely for system security, but this system is a vulnerable biometric because it is the easiest to manipulate. Based on this problem, research on face presentation attack detection is carried out with the hope that the built model can be used in face recognition systems as a tool for detecting face forgery attacks with research focus on photo-attack and video-attack types. This model is built using data from the OULU-NPU database which is processed frame by frame as independent data. Local Binary Pattern (LBP) and Restricted Boltzmann Machines (RBM) algorithms are used as methods for extracting feature of face images. LBP is used to extract texture features of face images, while RBM is used to find relationship patterns of images. The results of model evaluation show that the model with LBP-RBM feature extraction achieves an accuracy of 90% and the model with RBM feature extraction achieves an accuracy of 95%. The best model is obtained when feature extraction method is carried out by implementing the LBP algorithm with an accuracy rate of 98%.

Item Type:	Thesis (S1)
Uncontrolled Keywords:	Presentation Attack Detection, LBP, RBM
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	Nur 'Aisyah Nadiyah
Date Deposited:	03 Sep 2021 02:58
Last Modified:	03 Sep 2021 02:58
URI:	http://repository.upi.edu/id/eprint/65534

Actions (login required)

View Item