Embedded Development Kit

Pendahuluan | Mengapa FingerCell | Algorithma | Spesifikasi

Pendahuluan:

FingerCell Embedded Development Kit (EDK) adalah fingerprint software development kit untuk membuat firmware pada hardware embedded yang mempunyai konsumsi daya listrik dan processor/CPU yang rendah dan processor yang rendah.

Algoritma fingercell sangat handal dan mempunyai sistem untuk identifikasi 1:1 dan 1:N, dan pada fingercell tidak ada batasan mengenai interface scanner sidik jari dan operating system, sehingga memungkinkannya untuk dipakai pada hampir semua scanner dan tipe processor. Pengembang mempunyai kontrol penuh atas data input / output dari EDK.

FingerCell EDK tersedia dalam berbagai jenis development kit baik skala kecil ataupun besar. Untuk skala besar developer harus membeli sejumlah minimum lisensi untuk menjalankan fingercell. Untuk skala kecil developer dapat membeli beberapa lisensi untuk fingercell DLL/Library.

Jenis-jenis/Paket FingerCell 1.2 EDK adalah :

FingerCell 1.2 Pocket PC EDK – digunakan untuk mengembangkan sistem fingerprint pada iPAQ h5xxx pocket PC. Paket ini sudah termasuk 1 lisensi FingerCell DLL, contoh aplikasi (termasuk source code) dan dokumentasi.

FingerCell 1.2 Router EDK – digunakan untuk mengembangkan sistem fingerprint dengan menggunakan router ASUS WL-500G. Paket sudah termasuk 1 lisensi, contoh aplikasi, interface masukan gambar dari sensor fingerprint Tacoma , router software, dokumentasi untuk router dan software.

FingerCell 1.2 Library EDK – ditujukan untuk project biometric skala besar dengan processor hardware ARM. Paket sudah termasuk FingerCell library, contoh-2 dan dokumentasi untuk Windows CE dan Linux.

FingerCell 1.2 source code EDK – ditujukan untuk project biometric skala besar dengan perencanaan hardware sendiri. Paket sudah termasuk FingerCell source code, contoh-2 dan dokumentasi untuk MS Windows, Windows CE dan Linux.

FingerCell 1.2 PC EDK for Windows – ditujukan untuk system integrator yang akan menggunakan hardware PC dan OS MS Windows untuk system biometric. Paket sudah termasuk 1 license FingerCell DLL, interface gambar masukan baik dari file maupun dari sensor fingerprint, contoh aplikasi dengan source code, dan dokumentasi software.

FingerCell 1.2 PC EDK for Linux – ditujukan untuk system integrator yang akan menggunakan hardware PC dengan OS Linux. Paket sudah termasuk 1 lisensi untuk fingercell shared library, interface gambar masukan baik dari file maupun dari sensor fingerprint, contoh aplikasi dengan source code, dan dokumentasi software.

Mengapa FingerCell?

Algorithma FingerCell, dikembangkan dari algoritma VeriFinger, dan dikhususkan untuk embedded system biometric.

Keunggulan dari FingerCell :

Reliabilitas

Fingercell menggunakan algoritma filter noise yang lebih cepat, walaupun sedikit kurang powerful, dan karena itu FRR-nya sedikit lebih tinggi dari VeriFinger. Bagaimanapun, algoritma ini tetap menghasilkan kemampuan pengenalan yang cukup tinggi.

Grafik pembanding dibawah ini membandingkan ROC dari FingerCell 1.2 dengan VeriFinger 4.2 untuk beberapa scanner:

	Atmel Fingerchip		Cross Match Verifier 300		SecuGen Hamster		STMicroelectronics TouchChip TCRU1C
	Klik untuk perbesar		Klik untuk perbesar		Klik untuk perbesar		Klik untuk perbesar

Hasil ROC FingerCell (hijau) dan VeriFinger (merah) didapat dengan test menggunakan 4 buah database pada kondisi yang sama. Terlihat bahwa FingerCell menghasilkan 0.05 FRR pada setting 0.001 FAR, dan VeriFinger menghasilkan 0.025 FRR pada level FAR yang sama. Perbedaan ini dapat diperkecil jika prosedur ‘Features Generalization' digunakan.

Kemampuan identifikasi:

Karena FingerCell dikembangkan berdasarkan VeriFinger, maka FingerCell dapat digunakan bukan hanya untuk verifikasi sidik jari (1:1), akan tetapi juga sangat baik untuk identifikasi sidik jari (1:N). FingerCell dapat membandingkan 900 sidik jari per detik pada proses identifikasi (1:N). Sebagai catatan, hasil ini diperoleh dengan menggunakan StrongARM CPU (206 MHz, 230 MIPS).

Kecepatan pemrosesan gambar:

Dikarenakan adanya beberapa modifikasi algoritma, waktu yang diperlukan untuk pemrosesan gambar adalah kurang dari 1 detik.

Ukuran software yang kecil:

Kode hasil kompilasi dan data array internal hanya memerlukan memory 512 Kb, dan karenanya dapat diimplementasikan dalam microchip yang memorynya terbatas, sehingga harga hardware dapat ditekan.

Portabilitas:

Source code software FingerCell tersedia dalam bahasa C standard dan tidak menggunakan fasilitas-fasilitas khusus dari prosesor tertentu, karena itu dapat dengan mudah diadaptasikan untuk embedded prosesor yang lain. Algoritma FingerCell 1.2 tidak tergantung pada sensor dan dapat digunakan pada kebanyakan jenis sensor.

Algoritma

Algoritma FingerCell mirip dengan algoritma VeriFinger dan termasuk kemampuan-kemampuan berikut:

1. Dapat mengenali sidik jari walaupun terjadi translasi atau rotasi.
2. Tidak memerlukan adanya titik core atau delta pada gambar sidik jari, dan dapat mengenalinya dari bagian manapun.
3. Mempunyai ‘features generalization' mode untuk registrasi jari. Ini adalah kemampuan untuk menganalisa dan kemudian mengambil koleksi titik-titik pada sidik jari yang terbaik dari tiga gambar sidik jari dari jari yang sama. Dengan demikian, data registrasi sidik jari akan jauh lebih akurat, dan kualitas pengenalan sidik jari akan meningkat.
4. FingerCell dapat menggunakan database sidik jari yang di-index, sehingga jumlah perbandingan sidik jari yang diperlukan pada proses identifikasi dapat ditekan seminim mungkin
5. Pada bagian pemrosesan gambar dan penganalisaan, FingerCell kira-kira 3 kali lebih cepat dari VeriFinger.
6. FingerCell mempunyai kemampuan untuk menyesuaikan algoritmanya untuk scanner tertentu:
   • DigitalPersona U.are.U family scanners;
   • Cross Match Verifier 300 scanner;
   • ST Microelectronics TouchChip sensor;
   • AuthenTec AES4000 and AF-S2 sensors;
   • Atmel FingerChip sensor;
   • BMF BLP-100 sensor;
   • SecuGen Hamster scanner.

Sebagai catatan, algoritma FingerCell melakukan optimisasi parameter-parameternya untuk scanner-scanner tertentu, tapi tidak menyediakan interface untuk mengambil gambar dari scanner tersebut.

Spesifikasi

Hasil dari tabel berikut adalah dengan menggunakan hardware processor Intel StrongArm 206 MHz dan 32 Mbytes RAM .