WO2017197953A1 - 基于声纹的身份识别方法及装置 - Google Patents

基于声纹的身份识别方法及装置 Download PDF

Info

Publication number
WO2017197953A1
WO2017197953A1 PCT/CN2017/075346 CN2017075346W WO2017197953A1 WO 2017197953 A1 WO2017197953 A1 WO 2017197953A1 CN 2017075346 W CN2017075346 W CN 2017075346W WO 2017197953 A1 WO2017197953 A1 WO 2017197953A1
Authority
WO
WIPO (PCT)
Prior art keywords
user account
target
voice data
voiceprint
voiceprint feature
Prior art date
Application number
PCT/CN2017/075346
Other languages
English (en)
French (fr)
Inventor
彭丹丹
Original Assignee
腾讯科技（深圳）有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 腾讯科技（深圳）有限公司 filed Critical 腾讯科技（深圳）有限公司
Publication of WO2017197953A1 publication Critical patent/WO2017197953A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials

Definitions

  • the present invention relates to the field of computer technologies, and in particular, to a voiceprint based identification method and apparatus.
  • Voiceprint recognition technology that is, the recognition technology of speaker speech
  • voice signal such as the fundamental frequency characteristic reflecting the opening and closing frequency of the glottis, and the spectral features reflecting the size and shape of the mouth and the length of the channel.
  • Etc. in order to identify the technology of the speaker identity and so on. It can be widely used in information security, telephone banking, smart access control, and entertainment value-added.
  • the security provided by voiceprint recognition is comparable to other biometric technologies (fingerprint, palm shape, and iris), and only requires a telephone or a microphone. No special equipment is required, data collection is extremely convenient, and the cost is low. An economical, reliable, easy and secure way to identify. At any time, simply enter the speaker's voice and rely on a unique voiceprint to safely identify the speaker.
  • Voiceprint recognition technology is more prominent in the telephone channel and is the only non-contact biometric technology that can be used for remote control.
  • the embodiment of the present invention proposes a voiceprint based identification method.
  • a method based on voiceprint identification comprising:
  • the embodiment of the present invention also proposes A voiceprint based identification device.
  • a voiceprint based identification device comprising:
  • a voice data collecting module configured to collect voice data transmitted by a user account as a sender in an instant messaging application
  • a voiceprint feature library creating module configured to perform a voiceprint recognition model training according to the collected voice data, and create a voiceprint feature library corresponding to the user account;
  • a target information obtaining module configured to receive the initiated identity verification request, and obtain the input target user account and the target voice data
  • a voiceprint matching module configured to search a voiceprint feature library that matches the target user account, and determine an identity school of the target user account when the target voice data matches the found voiceprint feature database Passed the test.
  • the user After adopting the voiceprint-based identification method and device, the user does not need to read a large amount of training text to record the voiceprint feature to establish a voiceprint feature library, and the terminal or server can collect the instant communication message sent by the user.
  • the speech data in the speech is used as a training sample of the voiceprint feature of the user, thereby saving the time for the user to input the voiceprint feature and improving the convenience of operation.
  • FIG. 1 is a schematic flow chart of a voiceprint based identification method in an embodiment
  • FIG. 2 is a schematic diagram of an instant messaging application interface for transmitting a voice segment in an embodiment
  • FIG. 3 is a schematic diagram of an interface for providing random code reading verification in one embodiment
  • FIG. 4 is a schematic structural diagram of a voiceprint based identification device in an embodiment
  • FIG. 5 is a schematic structural diagram of a computer device that runs the aforementioned voiceprint-based identification method in one embodiment.
  • the embodiment of the present invention provides a basis for Voiceprint identification method.
  • the implementation of the method may depend on a computer program running on a von Neumann system-based computer system, which may be an instant messaging application or a client program of a social networking application with instant messaging functionality or
  • the server program the computer system executing the server program may be a terminal device running a client program of an instant messaging application or a social networking application having an instant communication function, or may be a social networking application running an instant messaging application or having an instant communication function.
  • Server device for the server program.
  • the voiceprint-based identification method includes:
  • Step S102 Collect voice data transmitted by the user account as the sender in the instant messaging application.
  • instant messaging applications such as WeChat and QQ
  • these instant messaging applications provide the function of voice clip calls.
  • the user can input a segment of the voice data through the microphone on the mobile phone by long pressing the virtual button, and after releasing the virtual button, the voice data can be sent to the user of the receiver.
  • the terminal When users use the instant messaging application, they need to log in to the user account first.
  • the terminal only collects voice data sent by the logged-in user account, and does not collect voice data received by the logged-in user account.
  • the instant messaging application collects voice data input by the user through the mobile phone microphone, it is usually cached in a preset storage address, and when a complete voice data input is obtained after the acquisition is completed (that is, when the user releases the virtual button, the voice data is collected once). , generate the corresponding voice data file), and then send it to the server or other terminal.
  • the terminal performs the voiceprint-based identification method, the voice data can be obtained in the cached storage address.
  • Step S104 Perform voiceprint recognition model training according to the collected voice data, and create a voiceprint feature library corresponding to the user account (ie, a database including one or more voiceprint features).
  • voiceprint recognition modeling There are many algorithms that can be used for voiceprint recognition modeling, such as Dynamic Time Warping (DTW), Artificial Neural Network (ANN), and Hidden Markov Model (HMM). , Gaussian Mixture Model (GMM) and so on. Because GMM has a good fitting property to the distribution of speech acoustic features, GMM method has become the mainstream method of speech recognition system. In order to improve the recognition accuracy and recognition efficiency, in this paper, GMM is used as a modeling method as an example.
  • DTW Dynamic Time Warping
  • ANN Artificial Neural Network
  • HMM Hidden Markov Model
  • GMM Gaussian Mixture Model
  • the input voice data sequence (PCM (Pulse Code Modulation) code stream) may be preprocessed to remove the non-speech signal and the silence voice signal, and the voice signal is Framing, for subsequent processing; extracting the Mel-Frequency Cepstral Coefficients (MFCC) parameters of each frame of the speech signal and saving; using the extracted MFCC parameters to train the user (ie, the speaker) GMM, The GMM voiceprint model that is specific to this user.
  • PCM Pulse Code Modulation
  • MFCC Mel-Frequency Cepstral Coefficients
  • the step S102 Since the user frequently uses the instant messaging application such as WeChat and QQ, the number of times the voice segment is sent is also high. Therefore, when the step S102 is performed multiple times, multiple voice segments corresponding to the same registered user account are collected. data).
  • the collected plurality of voice data can be used as samples and input into the voiceprint recognition model for machine learning.
  • the feature values of each acquired speech data in the spectrum, cepstrum, formant, pitch, reflection coefficient, rhythm, rhythm, speed, intonation, volume, etc. can be extracted and then identified by the existing voiceprint.
  • the model is trained to obtain a voiceprint feature library corresponding to the logged-in user account.
  • Step S106 Receive an initiated identity verification request, and obtain the input target user account and target voice data.
  • Step S108 Find a voiceprint feature database that matches the target user account, and determine that the identity verification of the target user account passes when the target voice data matches the found voiceprint feature database.
  • voiceprint feature library After the voiceprint feature library is created, user authentication can be performed through the voiceprint feature library (when the collected voice feature data is less, or the voiceprint feature library is not created, the user can be prompted to change other authentication methods).
  • the user logs in on the terminal, he can select the voiceprint verification method, input the corresponding target user account, and input a voice (target voice data) through the microphone.
  • the terminal may first search for the voiceprint feature library corresponding to the input target user account, and then match the target voice data with the voiceprint feature database. If the matching is successful, the identity verification of the target user account may be determined to pass.
  • a matching operation function of the input voice and the GMM voiceprint model (set as needed) can be provided to determine whether the input target voice data matches the voiceprint (ie, the model), specifically
  • the matching process can be implemented using the Maximum a Posterior probability (MAP) criterion.
  • MAP Maximum a Posterior probability
  • the voice segments transmitted between the terminals need to be forwarded through the server, and the audio data cannot be directly transmitted between the terminals.
  • the server may collect the voice data sent by the terminal that is registered by the user account of the sender when forwarding the voice data transmitted between the terminals, and establish a mapping relationship between the collected voice data and the user account of the sender.
  • the server can collect the voice data sent by the user account A, and generate a voiceprint feature library corresponding to the user account A. Users can log in to other terminals using user account A
  • the server inputs the target voice data through the terminal and uploads it to the server.
  • the server searches for the voiceprint feature database corresponding to the user account A, and then determines whether the uploaded target voice data matches the found voiceprint feature database, and if so, the user account A completes the login on the server.
  • the voiceprint-based identification method is not limited to a scenario in which a user account is logged in, and may also be used in a password recovery/appeal of a user account.
  • the user accounts of the instant messaging application QQ and WeChat are interrelated user accounts.
  • the user can select the account authentication method to select the WeChat account.
  • the server can search for the WeChat account corresponding to the QQ number that needs to be retrieved by the password, and then search for the voiceprint feature database corresponding to the WeChat account, and receive the target voice data for the identity verification input by the user through the microphone, and match If it succeeds, it determines that the authentication is passed, prompting the user to reset the QQ password or send the password through the pre-bound mailbox.
  • the server may also generate target text content and display it to the user on the terminal. Prompt the user to read the above target text content. Then, the target voice data input corresponding to the target text content of the presentation is received, that is, the target voice data input when the user reads the target text content displayed on the terminal.
  • the target voice data when determining whether the identity verification of the target user account passes, may also be converted into text data by voice recognition; when the text data matches the target text content. And determining that the identity verification of the target user account is passed.
  • the terminal when the user performs identity verification, the terminal also displays a series of text content "85274196" generated by the terminal or the server, and prompts the user to read the numbers.
  • the target voice data generated by the user reading these numbers is uploaded to the server.
  • the server not only extracts the feature vector of the target speech data spectrum, cepstrum, formant, pitch, reflection coefficient, rhythm, rhythm, speed, tone or volume, but also performs speech recognition on the speech data to identify the semantic content of the target speech data. .
  • the user identity verification is passed.
  • voiceprint verification and semantic verification can prevent criminals from using other users' recordings for authentication. For example, if only voiceprint is used for identity verification, when user B holds the recording of user A, it can log in using the account of user A, and input the target voice data by playing the recording, so that the user can successfully pass the authentication to the user. A's body Log in to the system to steal user privacy.
  • voiceprint verification and semantic verification is used for identity verification. Even if user B holds the recording of user A, since the text content displayed to user B prompting the user to read can be randomly generated, user B only The voice recording can be verified by playing the recording, but the semantic verification cannot be successfully performed, thus improving the security of the authentication.
  • the voiceprint feature database corresponding to the user account it may also be determined whether the confidence level of the created voiceprint feature library corresponding to the user account is greater than or Equal to the threshold, and if so, stop collecting voice data transmitted by the user account as the sender in the instant messaging application.
  • the server has collected 100 samples of voice data, and generated a voiceprint feature library.
  • the voice data of 101 samples can be matched with the created voiceprint feature library, and the probability of successful matching is the confidence of the voiceprint feature library. If the confidence of the voiceprint feature library is high, it means that the voiceprint feature library has been able to identify the voiceprint more accurately, and therefore, the voice data of the sample can be stopped, thereby saving computer resources.
  • acquiring the input target user account and the target voice data includes: receiving the input target voice data at least once. Before determining the identity verification of the target user account, the method further includes: determining a matching frequency/proportion of the at least one received target voice data and the found voiceprint feature database, where the matching times/proportions are greater than Or equal to the threshold, determining that the target voice data matches the found voiceprint feature library.
  • authentication can be performed by multiple matches.
  • the target voice data input multiple times is verified by most or a large proportion, the identity verification is determined, thereby improving the accuracy of the identity verification.
  • the number of times the target voice data and the found voiceprint feature library are continuously mismatched may be greater than or equal to a threshold.
  • the target user account may be greater than or equal to a threshold.
  • the account that the user logs in can be locked, and the user is not allowed to log in again, and the user needs to be unlocked by other authentication methods.
  • the target user account can be locked for a certain period of time. When the lock time arrives, the target user account is unlocked and allowed to log in to the system, thereby preventing the criminals from trying to simulate the sound multiple times. Verification improves security.
  • a voiceprint-based identification device as shown in FIG. 4, the voiceprint-based identity recognition device includes a voice data collection module 102, a voiceprint feature library creation module 104, a target information acquisition module 106, and a voiceprint comparison Module 108, wherein:
  • the voice data collecting module 102 is configured to collect voice data transmitted by the user account as the sender in the instant messaging application;
  • the voiceprint feature library creating module 104 is configured to perform voiceprint recognition model training according to the collected voice data, and create a voiceprint feature library corresponding to the user account;
  • the target information obtaining module 106 is configured to receive the initiated identity verification request, and obtain the input target user account and the target voice data.
  • the voiceprint matching module 108 is configured to search a voiceprint feature library that matches the target user account, and determine the identity of the target user account when the target voice data matches the found voiceprint feature database. The verification passed.
  • the target information acquiring module 106 is further configured to generate target text content and display; obtain an input target user account, and receive the target text content of the display. Corresponding target voice data input.
  • the voiceprint comparison module 108 is further configured to convert the target voice data into text data by voice recognition; when the text data matches the target text content, Determining that the identity verification of the target user account is passed.
  • the foregoing apparatus further includes a voice data collection stop module 110, configured to determine whether the confidence level of the created voiceprint feature library corresponding to the user account is It is greater than or equal to the threshold, and if so, stops collecting voice data transmitted by the user account as the sender in the instant messaging application.
  • a voice data collection stop module 110 configured to determine whether the confidence level of the created voiceprint feature library corresponding to the user account is It is greater than or equal to the threshold, and if so, stops collecting voice data transmitted by the user account as the sender in the instant messaging application.
  • the target information acquiring module 106 is further configured to receive the input target voice data at least once; the voiceprint comparison module 108 is further configured to determine the at least one received target. The number of times/proportion of the matching of the voice data with the found voiceprint feature library, When the number of matches/proportion is greater than or equal to the threshold, it is determined that the target voice data matches the found voiceprint feature database.
  • the foregoing apparatus further includes a target user account locking module 112, configured to: when the target voice data does not match the found voiceprint feature library, Lock the target user account.
  • a target user account locking module 112 configured to: when the target voice data does not match the found voiceprint feature library, Lock the target user account.
  • the user After adopting the voiceprint-based identification method and device, the user does not need to read a large amount of training text to record the voiceprint feature to establish a voiceprint feature library, and the terminal or server can collect the instant communication message sent by the user.
  • the speech data in the speech is used as a training sample of the voiceprint feature of the user, thereby saving the time for the user to input the voiceprint feature and improving the convenience of operation.
  • FIG. 5 illustrates a terminal 10 of a von Neumann system-based computer system that operates the voiceprint-based identification method described above.
  • the computer system can be a terminal device such as a smart phone, a tablet computer, a palmtop computer, a notebook computer or a personal computer.
  • the terminal 10 may include an external input interface 1001, a processor 1002, a memory 1003, and an output interface 1004 connected through a system bus.
  • the external input interface 1001 can optionally include at least a network interface 10012.
  • the memory 1003 may include an external memory 10032 (eg, a hard disk, an optical disk, or a floppy disk, etc.) and an internal memory 10034.
  • the output interface 1004 can include at least a device such as a display 10042.
  • the processor 1002 (or CPU (Central Processing Unit)) is a computing core and a control core of the terminal 10, and can parse various types of commands in the terminal 10 and process various types of data of the smart device.
  • Memory 1003 (Memory) is a memory device in terminal 10 for storing programs and data, which may include, but is not limited to, ROM, RAM, CD-ROM, and other removable memories and the like.
  • the memory 1003 provides a storage space, which can be used to store the operating system of the terminal 10, and can also store program code, function modules, and the like.
  • the operating system can include, but is not limited to, a windows system, an Android system, and the like.
  • the operation of the method according to an embodiment of the present invention may be based on a computer program whose program files are stored in the external memory 10032 of the aforementioned von Neumann system-based computer system 10, It is loaded into the internal memory 10034 at runtime, and then compiled into the machine code and then passed to the processor 1002 for execution, thereby forming a logical voice data acquisition module 102, sound in the von Neumann system-based computer system 10.
  • the input parameters are all received through the external input interface 1001, and transferred to the buffer in the memory 1003, and then input to the processor 1002 for processing, and the processed result data is cached in the memory. In 1003, for subsequent processing, or passed to the output interface 1004 for output.
  • the storage medium mentioned in the text may be a magnetic disk, an optical disk, a read-only memory (ROM), or a random access memory (RAM).
  • the above computer readable storage medium may also be various types of recording media that the computer device can access through a network or a communication link, for example, a recording medium that can extract data therein through a router, the Internet, a local area network, or the like.
  • the computer readable storage medium described above may also be a plurality of computer readable storage media located in the same computer system, or a computer readable storage medium distributed across a plurality of computer systems or computing devices.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Telephonic Communication Services (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Telephone Function (AREA)

Abstract

本发明实施例公开了一种基于声纹的身份识别方法，包括：采集即时通信应用中作为发送方的用户账号传输的语音数据；根据采集的语音数据进行声纹识别模型训练，创建与所述用户账号对应的声纹特征库；接收发起的身份验证请求，获取输入的目标用户账号和目标语音数据；查找与所述目标用户账号匹配的声纹特征库，在所述目标语音数据与所述查找到的声纹特征库匹配时，判定所述目标用户账号的身份校验通过。另外，本发明实施例还相应地公开了一种基于声纹的身份识别装置。采用本发明，可提高用户录入样本声纹的操作便利性。

Description

基于声纹的身份识别方法及装置
相关申请的交叉参考
本申请要求于2016年5月16日在中国专利局提交的申请号为201610321746.1、标题为“基于声纹的身份识别方法及装置”的发明专利申请的优先权，其全部内容结合于此作为参考。
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于声纹的身份识别方法及装置。
背景技术
声纹识别技术即说话人语音的识别技术，是一种通过语音信号提取代表说话人身份的相关特征，例如反映声门开合频率的基频特征、反映口腔大小形状及声道长度的频谱特征等，进而识别出说话人身份等方面的技术。它可以广泛应用于信息安全、电话银行、智能门禁、以及娱乐增值等领域。声纹识别所提供的安全性可与其他生物识别技术(指纹、掌形、和虹膜)相媲美，且只需电话或麦克风即可，无需特殊的设备，数据采集极为方便，造价低廉，是最为经济、可靠、简便和安全的身份识别方式。在任何时候，只需输入说话者的语音，依靠独特的声纹便可安全地识别说话者。声纹识别技术在电话信道中的表现更突出，是唯一可用于远程控制的非接触式生物识别技术。
然而，为了提高作为样本的声纹特征的置信度，即，使声纹识别的准确度得到提高，通常需要用户在录入样本声纹时，阅读大量的文字，从而提取较完整的声纹特征。这就使得用户录入样本声纹的过程耗时较长，从而导致操作的便利性不足。
发明内容
基于此，为了解决传统技术中存在的为了提取较完整的声纹特征，需要用户在录入样本声纹时阅读大量的文字，从而导致的操作便利性较差的技术问 题，本发明实施例提出了一种基于声纹的身份识别方法。
一种基于声纹的身份识别方法，包括：
采集即时通信应用中作为发送方的用户账号传输的语音数据；
根据采集的语音数据进行声纹识别模型训练，创建与所述用户账号对应的声纹特征库；
接收发起的身份验证请求，获取输入的目标用户账号和目标语音数据；
查找与所述目标用户账号匹配的声纹特征库，在所述目标语音数据与所述查找到的声纹特征库匹配时，判定所述目标用户账号的身份校验通过。
此外，为了解决传统技术中存在的为了提取较完整的声纹特征，需要用户在录入样本声纹时阅读大量的文字，从而导致的操作便利性较差的技术问题，本发明实施例还提出了一种基于声纹的身份识别装置。
一种基于声纹的身份识别装置，包括：
语音数据采集模块，用于采集即时通信应用中作为发送方的用户账号传输的语音数据；
声纹特征库创建模块，用于根据采集的语音数据进行声纹识别模型训练，创建与所述用户账号对应的声纹特征库；
目标信息获取模块，用于接收发起的身份验证请求，获取输入的目标用户账号和目标语音数据；
声纹比对模块，用于查找与所述目标用户账号匹配的声纹特征库，在所述目标语音数据与所述查找到的声纹特征库匹配时，判定所述目标用户账号的身份校验通过。
采用了上述基于声纹的身份识别方法和装置之后，用户前期不需要专门地阅读大量的训练文本来录入声纹特征从而建立声纹特征库，而可由终端或服务器采集用户日常发送的即时通信消息中的语音数据作为用户的声纹特征的训练样本，从而节省了用户录入声纹特征的时间，提高了操作的便利性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中一种基于声纹的身份识别方法的流程示意图；
图2为一个实施例中发送语音片段的即时通信应用界面示意图；
图3为一个实施例中提供随机码阅读校验的界面示意图；
图4为一个实施例中一种基于声纹的身份识别装置的结构示意图；
图5为一个实施例中运行前述基于声纹的身份识别方法的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为解决传统技术中存在的为了提取较完整的声纹特征，需要用户在录入样本声纹时阅读大量的文字，从而导致的操作便利性较差的技术问题，本发明实施例提出了一种基于声纹的身份识别方法。该方法的实现可依赖于计算机程序，该计算机程序可运行于基于冯诺依曼体系的计算机***之上，该计算机程序可以是即时通信应用或者具有即时通信功能的社交网络应用的客户端程序或者服务器程序，执行上述服务器程序的计算机***可以是运行即时通信应用或具有即时通信功能的社交网络应用的客户端程序的终端设备，也可以是运行即时通信应用或具有即时通信功能的社交网络应用的服务器程序的服务器设备。
具体的，如图1所示，该基于声纹的身份识别方法包括：
步骤S102：采集即时通信应用中作为发送方的用户账号传输的语音数据。
用户在使用即时通信应用，例如微信、QQ时，这些即时通信应用均提供了语音片段通话的功能。如图2所示，用户通过长按虚拟按键，即可通过手机上的麦克风输入语音数据的片段，释放虚拟按键之后，该语音数据即可被发送至接收方的用户。
用户在使用即时通信应用时，需要先登录用户账号。在本实施例中，终端只采集该登录的用户账号发送的语音数据，而不采集该登录的用户账号接收的语音数据。即时通信应用采集用户通过手机麦克风输入的语音数据时，通常将其缓存在预设的存储地址中，待采集完毕得到一次完整的语音数据输入时(即用户释放虚拟按键时，一次采集语音数据完成，生成相应的语音数据文件)，才将其发送给服务器或其他终端。终端在执行该基于声纹的身份识别方法时，即可在此缓存的存储地址中得到该语音数据。
步骤S104：根据采集的语音数据进行声纹识别模型训练，创建与所述用户账号对应的声纹特征库(即，包括一个或多个声纹特征的数据库)。可以用于声纹识别建模的算法有很多，比如，动态时间归整(Dynamic Time Warping，DTW)、人工神经网络(Artificial Neural Network，ANN)、隐马尔可夫模型(Hidden Markov Model，HMM)、高斯混合模型(Gaussian Mixture Model，GMM)等。由于GMM对语音声学特征分布有较好的拟合特性，GMM方法已经成为声音识别***的主流方法。为了提高识别正确率和识别效率，在本文中，以GMM作为建模方法为例进行说明。
例如，作为声纹识别模型训练的一种具体实现方式，可以对输入的语音数据序列(PCM(Pulse Code Modulation)码流)进行预处理，以去除非语音信号和静默语音信号，并对语音信号分帧，以供后续处理；提取每一帧语音信号的Mel频率倒谱参数(Mel-Frequency Cepstral Coefficients，MFCC)参数并保存；用提取的MFCC参数训练用户(即，说话者)的GMM，得到专属于该用户的GMM声纹模型。
由于用户日常使用微信、QQ等即时通信应用的次数较多，发送语音片段的次数也较多，因此可在多次执行步骤S102时，采集到多条与同一登录的用户账号对应的语音片段(数据)。该采集到的多条语音数据可作为样本，输入到声纹识别模型中进行机器学习。
例如，可提取采集到的每条语音数据在频谱、倒频谱、共振峰、基音、反射系数、韵律、节奏、速度、语调、音量等特征向量上的特征值，然后通过现有的声纹识别模型进行训练，从而得到与该登录的用户账号对应的声纹特征库。
步骤S106：接收发起的身份验证请求，获取输入的目标用户账号和目标语音数据。
步骤S108：查找与所述目标用户账号匹配的声纹特征库，在所述目标语音数据与所述查找到的声纹特征库匹配时，判定所述目标用户账号的身份校验通过。
在声纹特征库创建之后，则可通过声纹特征库进行用户身份验证(在采集的语音特征数据较少，或声纹特征库未创建时，则可提示用户更换其他的身份验证方式)。用户在终端上登录时，即可选择声纹验证的方式，输入相应的目标用户账号，并通过麦克风输入一段语音(目标语音数据)。终端可先查找与输入的目标用户账号对应的声纹特征库，然后将目标语音数据与声纹特征库进行匹配，若匹配成功，则可判定目标用户账号的身份校验通过。仍以GMM为例，在该步骤中，可以提供输入话音与GMM声纹模型的匹配运算函数(根据需要设定)，以判断输入的目标语音数据是否与声纹(即，模型)匹配，具体实现中，匹配过程可以利用最大后验概率(Maximum a Posterior probability，MAP)准则加以实现。
需要说明的是，上述方法也可由即时通信应用或具有即时通信应用功能的社交应用执行：
在一个由服务器执行上述方法的应用场景中，终端之间发送语音片段需要通过服务器进行转发，终端之间无法直接传输音频数据。服务器可在转发终端之间传输的语音数据时，采集作为发送方的用户账号所登录的终端发送的语音数据，并建立采集到的语音数据与发送方的用户账号的映射关系。
例如，用户账号A在终端上登录后向其他好友发送的语音数据均需要通过服务器进行转发，因此服务器可采集用户账号A发送的语音数据，并生成与用户账号A对应的声纹特征库。用户可使用用户账号A在其他终端上登录 服务器，并通过终端输入目标语音数据之后上传至服务器，服务器查找用户账号A对应的声纹特征库，然后判断该上传的目标语音数据是否与查找到的声纹特征库匹配，若是，则用户账号A完成在服务器上的登录。
另外，上述基于声纹的身份识别方法不限于用户账号登录的场景，也可用于用户账号的密码找回/申诉等场景。例如，在一个应用场景中，即时通信应用QQ和微信的用户账号为相互关联的用户账号。用户使用QQ的密码找回功能时，可选择关联账号验证的方式选择微信账号。此时，服务器可查找与需要密码找回的QQ号对应的微信账号，然后查找与该微信账号对应的声纹特征库，并接收用户通过麦克风输入的用于身份验证的目标语音数据，通过匹配，在成功时，则判定身份验证通过，提示用户重置QQ密码或通过预绑定的邮箱发送密码。
进一步的，在一个应用场景中，服务器接收发起的身份验证请求之后，还可生成目标文本内容并在终端上展示给用户。提示用户阅读上述目标文本内容。然后接收与所述展示的目标文本内容对应的目标语音数据输入，即用户阅读终端上展示的目标文本内容时输入的目标语音数据。
在本实施例中，在判定所述目标用户账号的身份校验是否通过时，还可通过语音识别将所述目标语音数据转换成文本数据；在所述文本数据与所述目标文本内容匹配时，判定所述目标用户账号的身份校验通过。
如图3所示，用户在进行身份验证时，终端还会展示一串终端或服务器生成的文本内容“85274196”，并提示用户阅读这些数字。用户阅读这些数字所生成的目标语音数据则被上传至服务器。服务器不仅提取目标语音数据的频谱、倒频谱、共振峰、基音、反射系数、韵律、节奏、速度、语调或音量等特征向量，还会对语音数据进行语音识别，识别此目标语音数据的语义内容。在其声纹匹配的前提下，且其语义也为“85274196”，或者识别出的拼音为“85274196”的拼音字符串，才判定该用户身份验证通过。
采用此种声纹验证和语义验证结合的方式对用户进行身份验证，可防止不法分子通过使用其他用户的录音来进行身份验证。例如，若仅使用声纹进行身份验证，当用户B持有用户A的录音时，其可使用用户A的账号登录，并通过播放录音来输入目标语音数据，从而可顺利身份验证通过，以用户A的身 份登录***，窃取用户隐私。而采用了上述结合声纹验证和语义验证的方式来进行身份验证，即使用户B持有用户A的录音，但由于展示给用户B提示用户阅读的文本内容可以是随机生成的，因此用户B只能通过播放录音通过声纹验证，但无法顺利通过语义验证，因此，提高了身份验证的安全性。
在本实施例中，为了节约计算性能，在创建与所述用户账号对应的声纹特征库之后，还可判断所述创建的与所述用户账号对应的声纹特征库的置信度是否大于或等于阈值，若是，则停止采集即时通信应用中作为发送方的用户账号传输的语音数据。
例如，若服务器已经采集到了100条样本的语音数据，并生成了声纹特征库。当采集到101条样本的语音数据时，可将其与已创建的声纹特征库进行匹配，匹配成功的概率即为声纹特征库的置信度。若声纹特征库的置信度较高，则意味着声纹特征库已能够较准确地识别声纹，因此，可停止采集样本的语音数据，从而节约计算机资源。
在本实施例中，获取输入的目标用户账号和目标语音数据包括：至少接收一次输入的目标语音数据。判定所述目标用户账号的身份校验通过之前还包括：判断所述至少一次接收到的目标语音数据与所述查找到的声纹特征库的匹配次数/比例，在所述匹配次数/比例大于或等于阈值时，判定所述目标语音数据与所述查找到的声纹特征库匹配。
由于在样本较少时，声纹特征匹配可能存在不准确的情况，因此，可通过多次匹配来进行身份验证。当用户在身份验证的过程中，多次输入的目标语音数据大部分或较大比例地验证通过时，才判定身份验证通过，从而可提高身份验证的准确性。
在一个实施例中，查找与所述目标用户账号匹配的声纹特征库之后还可在所述目标语音数据与所述查找到的声纹特征库连续不匹配的次数大于或等于阈值时，锁定所述目标用户账号。
也就是说，如果用户语音进行连续多次身份验证不通过，则可将该用户登录的账号锁定，不允许其再次登录，需要用户通过其他身份验证方式解锁。或者可将该目标用户账号锁定一定的时长，待锁定时间抵达时，再对目标用户账号解锁，允许其登录***，从而防止不法分子通过模仿声音多次尝试来进行身 份验证，提高了安全性。
此外，为解决传统技术中为了提取较完整的声纹特征，需要用户在录入样本声纹时阅读大量的文字，从而导致的操作便利性较差的技术问题，在一个实施例中，还提出了一种基于声纹的身份识别装置，如图4所示，上述基于声纹的身份识别装置包括语音数据采集模块102、声纹特征库创建模块104、目标信息获取模块106、以及声纹比对模块108，其中：
语音数据采集模块102，用于采集即时通信应用中作为发送方的用户账号传输的语音数据；
声纹特征库创建模块104，用于根据采集的语音数据进行声纹识别模型训练，创建与所述用户账号对应的声纹特征库；
目标信息获取模块106，用于接收发起的身份验证请求，获取输入的目标用户账号和目标语音数据；
声纹比对模块108，用于查找与所述目标用户账号匹配的声纹特征库，在所述目标语音数据与所述查找到的声纹特征库匹配时，判定所述目标用户账号的身份校验通过。
可选的，在其中一个实施例中，如图4所示，所述目标信息获取模块106还用于生成目标文本内容并展示；获取输入的目标用户账号，接收与所述展示的目标文本内容对应的目标语音数据输入。
可选的，在其中一个实施例中，所述声纹比对模块108还用于通过语音识别将所述目标语音数据转换成文本数据；在所述文本数据与所述目标文本内容匹配时，判定所述目标用户账号的身份校验通过。
可选的，在其中一个实施例中，如图4所示，上述装置还包括语音数据采集停止模块110，用于判断所述创建的与所述用户账号对应的声纹特征库的置信度是否大于或等于阈值，若是，则停止采集即时通信应用中作为发送方的用户账号传输的语音数据。
可选的，在其中一个实施例中，所述目标信息获取模块106还用于至少接收一次输入的目标语音数据；所述声纹比对模块108还用于判断所述至少一次接收到的目标语音数据与所述查找到的声纹特征库的匹配次数/比例，在所述 匹配次数/比例大于或等于阈值时，判定所述目标语音数据与所述查找到的声纹特征库匹配。
可选的，在其中一个实施例中，如图4所示，上述装置还包括目标用户账号锁定模块112，用于在所述目标语音数据与所述查找到的声纹特征库不匹配时，锁定所述目标用户账号。
采用了上述基于声纹的身份识别方法和装置之后，用户前期不需要专门地阅读大量的训练文本来录入声纹特征从而建立声纹特征库，而可由终端或服务器采集用户日常发送的即时通信消息中的语音数据作为用户的声纹特征的训练样本，从而节省了用户录入声纹特征的时间，提高了操作的便利性。
在一个实施例中，如图5所示，图5展示了一种运行上述基于声纹的身份识别方法的基于冯诺依曼体系的计算机***的终端10。该计算机***可以是智能手机、平板电脑、掌上电脑，笔记本电脑或个人电脑等终端设备。具体的，终端10可包括通过***总线连接的外部输入接口1001、处理器1002、存储器1003、和输出接口1004。其中，外部输入接口1001可选的可至少包括网络接口10012。存储器1003可包括外存储器10032(例如硬盘、光盘或软盘等)和内存储器10034。输出接口1004可至少包括显示屏10042等设备。
其中，处理器1002(或称CPU(Central Processing Unit，中央处理器))是终端10的计算核心以及控制核心，其可以解析终端10内的各类指令以及处理智能设备的各类数据。存储器1003(Memory)是终端10中的记忆设备，用于存放程序和数据，其可以包括但不限于ROM、RAM、CD-ROM、以及其他可移除存储器等等。存储器1003提供了存储空间，该存储空间可以用于存储终端10的操作***，还可以存储程序代码、功能模块等等，该操作***可以包括但不限于：windows***、Android***等等。
根据本发明实施例的方法的运行可以基于计算机程序，该计算机程序的程序文件存储于前述基于冯诺依曼体系的计算机***10的外存储器10032中， 在运行时被加载到内存储器10034中，然后被编译为机器码之后传递至处理器1002中执行，从而使得基于冯诺依曼体系的计算机***10中形成逻辑上的语音数据采集模块102、声纹特征库创建模块104、目标信息获取模块106、声纹比对模块108、语音数据采集停止模块110、以及目标用户账号锁定模块112。且在上述基于声纹的身份识别执行过程中，输入的参数均通过外部输入接口1001接收，并传递至存储器1003中缓存，然后输入到处理器1002中进行处理，处理的结果数据或缓存于存储器1003中以便进行后续处理，或被传递至输出接口1004进行输出。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，该程序可存储于一计算机可读取存储介质中，在被数据处理设备运行时，该程序可使得数据处理设备执行包括如上述各方法的实施例的流程或步骤，具体请参照上文结合附图对实施例的描述，此处不再赘述。
其中，本文中提到的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
另外，上述计算机可读存储介质还可以是计算机装置可以通过网络或通信链接访问的各种类型的记录媒体，例如，可以通过路由器、互联网、局域网等提取其中的数据的记录媒体。此外，上述计算机可读存储介质还可以是位于同一计算机***中的多个计算机可读存储介质，也可以指分布于多个计算机***或计算装置的计算机可读存储介质。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (20)

  1. 一种基于声纹的身份识别方法，其特征在于，包括：
    采集即时通信应用中作为发送方的用户账号传输的语音数据；
    根据采集的语音数据进行声纹识别模型训练，创建与所述用户账号对应的声纹特征库；
    接收发起的身份验证请求，获取输入的目标用户账号和目标语音数据；
    查找与所述目标用户账号匹配的声纹特征库，在所述目标语音数据与所述查找到的声纹特征库匹配时，判定所述目标用户账号的身份校验通过。
  2. 根据权利要求1所述的基于声纹的身份识别方法，其特征在于，
    所述接收发起的身份验证请求之后还包括：
    生成目标文本内容并展示；
    所述获取输入的目标用户账号和目标语音数据包括：
    获取输入的目标用户账号，接收与所述展示的目标文本内容对应的目标语音数据输入。
  3. 根据权利要求2所述的基于声纹的身份识别方法，其特征在于，所述判定所述目标用户账号的身份校验通过还包括：
    通过语音识别将所述目标语音数据转换成文本数据；
    在所述文本数据与所述目标文本内容匹配时，判定所述目标用户账号的身份校验通过。
  4. 根据权利要求1所述的基于声纹的身份识别方法，其特征在于，所述创建与所述用户账号对应的声纹特征库之后还包括：
    判断所述创建的与所述用户账号对应的声纹特征库的置信度是否大于或等于阈值，若是，则停止采集即时通信应用中作为发送方的用户账号传输的语音数据。
  5. 根据权利要求1所述的基于声纹的身份识别方法，其特征在于，
    所述获取输入的目标用户账号和目标语音数据包括：
    至少接收一次输入的目标语音数据；
    所述判定所述目标用户账号的身份校验通过之前还包括：
    判断所述至少一次接收到的目标语音数据与所述查找到的声纹特征库的匹配次数/比例，在所述匹配次数/比例大于或等于阈值时，判定所述目标语音数据与所述查找到的声纹特征库匹配。
  6. 根据权利要求1所述的基于声纹的身份识别方法，其特征在于，所述查找与所述目标用户账号匹配的声纹特征库之后还包括：
    在所述目标语音数据与所述查找到的声纹特征库不匹配时，锁定所述目标用户账号。
  7. 根据权利要求1所述的基于声纹的身份识别方法，其特征在于，还包括：
    当后续对所述目标用户账号进行账号验证时，将验证方式设置为通过第一用户账号进行验证，其中，所述目标用户账号和所述第一用户账号为同一用户的关联账号；
    查找所述第一用户账号，并查找与所述第一用户账号对应的第一声纹特征库；
    接收所述用户输入的用于身份验证的第一语音数据；以及
    将所述第一语音数据与所述第一声纹特征库进行匹配，并在匹配成功时，通过所述目标用户账号的账号验证。
  8. 一种基于声纹的身份识别装置，其特征在于，包括：
    语音数据采集模块，用于采集即时通信应用中作为发送方的用户账号传输的语音数据；
    声纹特征库创建模块，用于根据采集的语音数据进行声纹识别模型训练，创建与所述用户账号对应的声纹特征库；
    目标信息获取模块，用于接收发起的身份验证请求，获取输入的目标用户账号和目标语音数据；
    声纹比对模块，用于查找与所述目标用户账号匹配的声纹特征库，在所述目标语音数据与所述查找到的声纹特征库匹配时，判定所述目标用户账号的身份校验通过。
  9. 根据权利要求8所述的基于声纹的身份识别装置，其特征在于，所述目标信息获取模块还用于生成目标文本内容并展示；获取输入的目标用户账号，接收与所述展示的目标文本内容对应的目标语音数据输入。
  10. 根据权利要求9所述的基于声纹的身份识别装置，其特征在于，所述声纹比对模块还用于通过语音识别将所述目标语音数据转换成文本数据；在所述文本数据与所述目标文本内容匹配时，判定所述目标用户账号的身份校验通过。
  11. 根据权利要求8所述的基于声纹的身份识别装置，其特征在于，所述装置还包括语音数据采集停止模块，用于判断所述创建的与所述用户账号对应的声纹特征库的置信度是否大于或等于阈值，若是，则停止采集即时通信应用中作为发送方的用户账号传输的语音数据。
  12. 根据权利要求8所述的基于声纹的身份识别装置，其特征在于，所述目标信息获取模块还用于至少接收一次输入的目标语音数据；
    所述声纹比对模块还用于判断所述至少一次接收到的目标语音数据与所述查找到的声纹特征库的匹配次数/比例，在所述匹配次数/比例大于或等于阈值时，判定所述目标语音数据与所述查找到的声纹特征库匹配。
  13. 根据权利要求8所述的基于声纹的身份识别装置，其特征在于，所述装置还包括目标用户账号锁定模块，用于在所述目标语音数据与所述查找到的声纹特征库不匹配时，锁定所述目标用户账号。
  14. 根据权利要求8所述的基于声纹的身份识别装置，其特征在于，
    所述目标信息获取模块还用于，当后续对所述目标用户账号进行账号验证时，将验证方式设置为通过第一用户账号进行验证，其中，所述目标用户账号和所述第一用户账号为同一用户的关联账号；
    所述声纹比对模块还用于查找所述第一用户账号，并查找与所述第一用户账号对应的第一声纹特征库；
    所述目标信息获取模块还用于接收所述用户输入的用于身份验证的第一语音数据；以及
    所述声纹比对模块还用于将所述第一语音数据与所述第一声纹特征库进行匹配，并在匹配成功时，通过所述目标用户账号的账号验证。
  15. 一种计算机可读存储介质，配置为存储计算机可读指令，当在数据处理设备上执行所述计算机可读指令时，使得所述数据处理设备执行预定操作，所述预定操作包括：
    采集即时通信应用中作为发送方的用户账号传输的语音数据；
    根据采集的语音数据进行声纹识别模型训练，创建与所述用户账号对应的声纹特征库；
    接收发起的身份验证请求，获取输入的目标用户账号和目标语音数据；
    查找与所述目标用户账号匹配的声纹特征库，在所述目标语音数据与所述查找到的声纹特征库匹配时，判定所述目标用户账号的身份校验通过。
  16. 根据权利要求15所述的计算机可读存储介质，其特征在于，
    在接收发起的身份验证请求之后，所述预定操作还包括：
    生成目标文本内容并展示；
    所述获取输入的目标用户账号和目标语音数据包括：
    获取输入的目标用户账号，接收与所述展示的目标文本内容对应的目标语音数据输入。
  17. 根据权利要求16所述的计算机可读存储介质，其特征在于，所述判定所述目标用户账号的身份校验通过还包括：
    通过语音识别将所述目标语音数据转换成文本数据；
    在所述文本数据与所述目标文本内容匹配时，判定所述目标用户账号的身份校验通过。
  18. 根据权利要求15所述的计算机可读存储介质，其特征在于，在创建与所述用户账号对应的声纹特征库之后，所述预定操作还包括：
    判断所述创建的与所述用户账号对应的声纹特征库的置信度是否大于或等于阈值，若是，则停止采集即时通信应用中作为发送方的用户账号传输的语音数据。
  19. 根据权利要求15所述的计算机可读存储介质，其特征在于，
    所述获取输入的目标用户账号和目标语音数据包括：
    至少接收一次输入的目标语音数据；
    在判定所述目标用户账号的身份校验通过之前，所述预定操作还包括：
    判断所述至少一次接收到的目标语音数据与所述查找到的声纹特征库的匹配次数/比例，在所述匹配次数/比例大于或等于阈值时，判定所述目标语音数据与所述查找到的声纹特征库匹配。
  20. 根据权利要求15所述的计算机可读存储介质，其特征在于，在查找与所述目标用户账号匹配的声纹特征库之后，所述预定操作还包括：
    在所述目标语音数据与所述查找到的声纹特征库不匹配时，锁定所述目标用户账号。
PCT/CN2017/075346 2016-05-16 2017-03-01 基于声纹的身份识别方法及装置 WO2017197953A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610321746.1 2016-05-16
CN201610321746.1A CN107395352B (zh) 2016-05-16 2016-05-16 基于声纹的身份识别方法及装置

Publications (1)

Publication Number Publication Date
WO2017197953A1 true WO2017197953A1 (zh) 2017-11-23

Family

ID=60324810

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/075346 WO2017197953A1 (zh) 2016-05-16 2017-03-01 基于声纹的身份识别方法及装置

Country Status (2)

Country Link
CN (1) CN107395352B (zh)
WO (1) WO2017197953A1 (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107918771A (zh) * 2017-12-07 2018-04-17 河北工业大学 人物识别方法和佩戴式人物识别***
CN108417216A (zh) * 2018-03-15 2018-08-17 深圳市声扬科技有限公司 语音验证方法、装置、计算机设备和存储介质
CN109192213A (zh) * 2018-08-21 2019-01-11 平安科技（深圳）有限公司 庭审语音实时转写方法、装置、计算机设备及存储介质
CN109346083A (zh) * 2018-11-28 2019-02-15 北京猎户星空科技有限公司 一种智能语音交互方法及装置、相关设备及存储介质
CN109344587A (zh) * 2018-08-09 2019-02-15 平安科技（深圳）有限公司 案件处理意见录入方法、装置、计算机设备及存储介质
CN109462482A (zh) * 2018-11-09 2019-03-12 深圳壹账通智能科技有限公司 声纹识别方法、装置、电子设备及计算机可读存储介质
CN109473108A (zh) * 2018-12-15 2019-03-15 深圳壹账通智能科技有限公司 基于声纹识别的身份验证方法、装置、设备及存储介质
CN110134830A (zh) * 2019-04-15 2019-08-16 深圳壹账通智能科技有限公司 视频信息数据处理方法、装置、计算机设备和存储介质
CN110246503A (zh) * 2019-05-20 2019-09-17 平安科技（深圳）有限公司 黑名单声纹库构建方法、装置、计算机设备和存储介质
CN110634492A (zh) * 2019-06-13 2019-12-31 中信银行股份有限公司 登录验证方法、装置、电子设备及计算机可读存储介质
CN111210828A (zh) * 2019-12-23 2020-05-29 秒针信息技术有限公司 设备绑定方法和装置及***、存储介质
CN111224972A (zh) * 2019-12-31 2020-06-02 航天信息股份有限公司 一种基于面部特征找回账户/密码的方法及***
CN111464644A (zh) * 2020-04-01 2020-07-28 北京声智科技有限公司 一种数据传输方法及电子设备
CN111862933A (zh) * 2020-07-20 2020-10-30 北京字节跳动网络技术有限公司 用于生成合成语音的方法、装置、设备和介质
CN112312084A (zh) * 2020-10-16 2021-02-02 李小丽 一种智能影像监控***
CN113038420A (zh) * 2021-03-03 2021-06-25 恒大新能源汽车投资控股集团有限公司 基于车联网的服务方法及装置
CN113056784A (zh) * 2019-01-29 2021-06-29 深圳市欢太科技有限公司 语音信息的处理方法、装置、存储介质及电子设备
CN113160961A (zh) * 2020-01-20 2021-07-23 深圳市理邦精密仪器股份有限公司 移动心电设备的权限管理方法、移动心电设备及存储介质
CN113409795A (zh) * 2021-08-19 2021-09-17 北京世纪好未来教育科技有限公司 训练方法、声纹识别方法、装置和电子设备
CN113421573A (zh) * 2021-06-18 2021-09-21 马上消费金融股份有限公司 身份识别模型训练方法、身份识别方法及装置
CN113489668A (zh) * 2020-07-14 2021-10-08 青岛海信电子产业控股股份有限公司 一种数据处理方法及智能设备
CN113835345A (zh) * 2020-06-24 2021-12-24 青岛海尔多媒体有限公司 用于语音家居控制的方法、装置、设备及***
CN114038087A (zh) * 2020-07-20 2022-02-11 阜阳万瑞斯电子锁业有限公司 一种用于电子锁语音识别的开锁***及方法
CN114842146A (zh) * 2022-05-10 2022-08-02 中国民用航空飞行学院 一种民航发动机维修手册与工卡建模方法及可存储介质
CN115860749A (zh) * 2023-02-09 2023-03-28 支付宝(杭州)信息技术有限公司 一种数据处理方法、装置及设备
CN115952482A (zh) * 2023-03-13 2023-04-11 山东博奥克生物科技有限公司 一种医疗设备数据管理***及方法

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108039177A (zh) * 2017-12-20 2018-05-15 广州势必可赢网络科技有限公司 一种网络实名购票的用户身份验证方法及装置
CN110010135B (zh) * 2018-01-05 2024-05-07 北京搜狗科技发展有限公司 一种基于语音的身份识别方法、装置和电子设备
CN108648758B (zh) * 2018-03-12 2020-09-01 北京云知声信息技术有限公司 医疗场景中分离无效语音的方法及***
CN108766444B (zh) * 2018-04-09 2020-11-03 平安科技（深圳）有限公司 用户身份验证方法、服务器及存储介质
CN108831484A (zh) * 2018-05-29 2018-11-16 广东声将军科技有限公司 一种离线的且与语言种类无关的声纹识别方法及装置
CN108831476A (zh) * 2018-05-31 2018-11-16 平安科技（深圳）有限公司 语音采集方法、装置、计算机设备及存储介质
CN108959163B (zh) * 2018-06-28 2020-01-21 掌阅科技股份有限公司 有声电子书的字幕显示方法、电子设备及计算机存储介质
CN110880325B (zh) * 2018-09-05 2022-06-28 华为技术有限公司 身份识别方法及设备
CN109256147B (zh) * 2018-10-30 2022-06-10 腾讯音乐娱乐科技（深圳）有限公司 音频节拍检测方法、装置及存储介质
CN109801637A (zh) * 2018-12-03 2019-05-24 厦门快商通信息技术有限公司 基于隐藏因素的模型融合方法及***
CN114938360B (zh) * 2019-04-12 2023-04-18 腾讯科技（深圳）有限公司 一种基于即时通讯应用的数据处理方法和装置
CN110164450B (zh) * 2019-05-09 2023-11-28 腾讯科技（深圳）有限公司 登录方法、装置、播放设备及存储介质
CN110232917A (zh) * 2019-05-21 2019-09-13 平安科技（深圳）有限公司 基于人工智能的语音登陆方法、装置、设备和存储介质
CN110351329A (zh) * 2019-05-27 2019-10-18 深圳壹账通智能科技有限公司 一种文件外发方法及文件外发***
CN110443018A (zh) * 2019-07-30 2019-11-12 深圳力维智联技术有限公司 基于声纹识别身份的方法、终端、***及可读存储介质
CN110704822A (zh) * 2019-08-30 2020-01-17 深圳市声扬科技有限公司 提高用户身份验证安全性的方法、装置、服务器及***
CN110767237A (zh) * 2019-10-25 2020-02-07 深圳市声扬科技有限公司 一种语音传输方法、装置、第一对讲机和***
CN111028845A (zh) * 2019-12-06 2020-04-17 广州国音智能科技有限公司 多音频识别方法、装置、设备及可读存储介质
CN111339517B (zh) * 2020-05-15 2021-08-13 支付宝(杭州)信息技术有限公司 声纹特征的采样方法、用户识别方法、装置及电子设备
CN111899744A (zh) * 2020-07-16 2020-11-06 中国联合网络通信集团有限公司 语音信息处理方法、装置、服务器及存储介质
WO2022028207A1 (zh) * 2020-08-03 2022-02-10 华为技术有限公司 语音识别方法、装置、设备、***及计算机可读存储介质
CN112116911B (zh) * 2020-09-22 2023-12-19 深圳易美诺科技有限公司 一种声音布控方法、装置及计算机可读存储介质
CN112687295A (zh) * 2020-12-22 2021-04-20 联想(北京)有限公司 一种输入控制方法及电子设备
CN113037918B (zh) * 2021-03-02 2022-06-17 四川速宝网络科技有限公司 Android客户端非入侵式变声方法
CN112802482B (zh) * 2021-04-15 2021-07-23 北京远鉴信息技术有限公司 一种声纹串并的识别方法、单兵***及存储介质
CN113259373B (zh) * 2021-06-08 2021-10-01 支付宝(杭州)信息技术有限公司 一种资源转移方法、装置、***及物联网设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102737634A (zh) * 2012-05-29 2012-10-17 百度在线网络技术（北京）有限公司 一种基于语音的认证方法及装置
US8374865B1 (en) * 2012-04-26 2013-02-12 Google Inc. Sampling training data for an automatic speech recognition system based on a benchmark classification distribution
CN103679452A (zh) * 2013-06-20 2014-03-26 腾讯科技（深圳）有限公司 支付验证方法、装置及***
CN104331650A (zh) * 2013-07-22 2015-02-04 联想(北京)有限公司 一种信息处理方法以及一种电子设备
CN105357006A (zh) * 2014-08-20 2016-02-24 中兴通讯股份有限公司 一种基于声纹特征进行安全认证的方法及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8374865B1 (en) * 2012-04-26 2013-02-12 Google Inc. Sampling training data for an automatic speech recognition system based on a benchmark classification distribution
CN102737634A (zh) * 2012-05-29 2012-10-17 百度在线网络技术（北京）有限公司 一种基于语音的认证方法及装置
CN103679452A (zh) * 2013-06-20 2014-03-26 腾讯科技（深圳）有限公司 支付验证方法、装置及***
CN104331650A (zh) * 2013-07-22 2015-02-04 联想(北京)有限公司 一种信息处理方法以及一种电子设备
CN105357006A (zh) * 2014-08-20 2016-02-24 中兴通讯股份有限公司 一种基于声纹特征进行安全认证的方法及设备

Cited By (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107918771A (zh) * 2017-12-07 2018-04-17 河北工业大学 人物识别方法和佩戴式人物识别***
CN107918771B (zh) * 2017-12-07 2023-11-24 河北工业大学 人物识别方法和佩戴式人物识别***
CN108417216A (zh) * 2018-03-15 2018-08-17 深圳市声扬科技有限公司 语音验证方法、装置、计算机设备和存储介质
CN108417216B (zh) * 2018-03-15 2021-01-08 深圳市声扬科技有限公司 语音验证方法、装置、计算机设备和存储介质
CN109344587A (zh) * 2018-08-09 2019-02-15 平安科技（深圳）有限公司 案件处理意见录入方法、装置、计算机设备及存储介质
CN109192213A (zh) * 2018-08-21 2019-01-11 平安科技（深圳）有限公司 庭审语音实时转写方法、装置、计算机设备及存储介质
CN109192213B (zh) * 2018-08-21 2023-10-20 平安科技（深圳）有限公司 庭审语音实时转写方法、装置、计算机设备及存储介质
CN109462482A (zh) * 2018-11-09 2019-03-12 深圳壹账通智能科技有限公司 声纹识别方法、装置、电子设备及计算机可读存储介质
CN109462482B (zh) * 2018-11-09 2023-08-08 深圳壹账通智能科技有限公司 声纹识别方法、装置、电子设备及计算机可读存储介质
CN109346083A (zh) * 2018-11-28 2019-02-15 北京猎户星空科技有限公司 一种智能语音交互方法及装置、相关设备及存储介质
CN109473108A (zh) * 2018-12-15 2019-03-15 深圳壹账通智能科技有限公司 基于声纹识别的身份验证方法、装置、设备及存储介质
CN113056784A (zh) * 2019-01-29 2021-06-29 深圳市欢太科技有限公司 语音信息的处理方法、装置、存储介质及电子设备
CN110134830A (zh) * 2019-04-15 2019-08-16 深圳壹账通智能科技有限公司 视频信息数据处理方法、装置、计算机设备和存储介质
CN110246503A (zh) * 2019-05-20 2019-09-17 平安科技（深圳）有限公司 黑名单声纹库构建方法、装置、计算机设备和存储介质
CN110634492B (zh) * 2019-06-13 2023-08-25 中信银行股份有限公司 登录验证方法、装置、电子设备及计算机可读存储介质
CN110634492A (zh) * 2019-06-13 2019-12-31 中信银行股份有限公司 登录验证方法、装置、电子设备及计算机可读存储介质
CN111210828A (zh) * 2019-12-23 2020-05-29 秒针信息技术有限公司 设备绑定方法和装置及***、存储介质
CN111224972A (zh) * 2019-12-31 2020-06-02 航天信息股份有限公司 一种基于面部特征找回账户/密码的方法及***
CN113160961A (zh) * 2020-01-20 2021-07-23 深圳市理邦精密仪器股份有限公司 移动心电设备的权限管理方法、移动心电设备及存储介质
CN111464644A (zh) * 2020-04-01 2020-07-28 北京声智科技有限公司 一种数据传输方法及电子设备
CN113835345A (zh) * 2020-06-24 2021-12-24 青岛海尔多媒体有限公司 用于语音家居控制的方法、装置、设备及***
CN113489668A (zh) * 2020-07-14 2021-10-08 青岛海信电子产业控股股份有限公司 一种数据处理方法及智能设备
CN114038087B (zh) * 2020-07-20 2024-03-15 阜阳万瑞斯电子锁业有限公司 一种用于电子锁语音识别的开锁***及方法
CN114038087A (zh) * 2020-07-20 2022-02-11 阜阳万瑞斯电子锁业有限公司 一种用于电子锁语音识别的开锁***及方法
CN111862933A (zh) * 2020-07-20 2020-10-30 北京字节跳动网络技术有限公司 用于生成合成语音的方法、装置、设备和介质
CN112312084A (zh) * 2020-10-16 2021-02-02 李小丽 一种智能影像监控***
CN113038420A (zh) * 2021-03-03 2021-06-25 恒大新能源汽车投资控股集团有限公司 基于车联网的服务方法及装置
CN113421573A (zh) * 2021-06-18 2021-09-21 马上消费金融股份有限公司 身份识别模型训练方法、身份识别方法及装置
CN113421573B (zh) * 2021-06-18 2024-03-19 马上消费金融股份有限公司 身份识别模型训练方法、身份识别方法及装置
CN113409795A (zh) * 2021-08-19 2021-09-17 北京世纪好未来教育科技有限公司 训练方法、声纹识别方法、装置和电子设备
CN114842146A (zh) * 2022-05-10 2022-08-02 中国民用航空飞行学院 一种民航发动机维修手册与工卡建模方法及可存储介质
CN115860749A (zh) * 2023-02-09 2023-03-28 支付宝(杭州)信息技术有限公司 一种数据处理方法、装置及设备
CN115952482A (zh) * 2023-03-13 2023-04-11 山东博奥克生物科技有限公司 一种医疗设备数据管理***及方法

Also Published As

Publication number Publication date
CN107395352A (zh) 2017-11-24
CN107395352B (zh) 2019-05-07

Similar Documents

Publication Publication Date Title
WO2017197953A1 (zh) 基于声纹的身份识别方法及装置
KR102250460B1 (ko) 사용자 성문 모델을 구축하기 위한 방법, 장치 및 시스템
Liu et al. An MFCC‐based text‐independent speaker identification system for access control
CN108074310B (zh) 基于语音识别模块的语音交互方法及智能锁管理***
WO2020211354A1 (zh) 基于说话内容的说话者身份识别方法、装置及存储介质
US8812319B2 (en) Dynamic pass phrase security system (DPSS)
WO2017113658A1 (zh) 基于人工智能的声纹认证方法以及装置
WO2019153404A1 (zh) 智能教室语音控制***
US20110320202A1 (en) Location verification system using sound templates
CN104143326A (zh) 一种语音命令识别方法和装置
JP2007133414A (ja) 音声の識別能力推定方法及び装置、ならびに話者認証の登録及び評価方法及び装置
CN103678977A (zh) 保护信息安全的方法及其电子装置
US20230401338A1 (en) Method for detecting an audio adversarial attack with respect to a voice input processed by an automatic speech recognition system, corresponding device, computer program product and computer-readable carrier medium
JP2004101901A (ja) 音声対話装置及び音声対話プログラム
TW202018696A (zh) 語音識別方法、裝置及計算設備
CN109727342A (zh) 门禁***的识别方法、装置、门禁***及存储介质
KR20230116886A (ko) 페이크 오디오 검출을 위한 자기 지도형 음성 표현
KR101181060B1 (ko) 음성 인식 시스템 및 이를 이용한 화자 인증 방법
CN112417412A (zh) 一种银行账户余额查询方法、装置及***
KR20040068548A (ko) 행동 모델을 사용한 비-개입적 화자 인증 방법 및 시스템
Kuznetsov et al. Methods of countering speech synthesis attacks on voice biometric systems in banking
WO2018137426A1 (zh) 用户声音信息的识别方法及装置
Hari et al. Comprehensive Research on Speaker Recognition and its Challenges
CN112513845A (zh) 与语音使能设备的暂时账户关联
Kadu et al. Voice Based Authentication System for Web Applications using Machine Learning.

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17798520

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 17798520

Country of ref document: EP

Kind code of ref document: A1