[發(fā)明專利]一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的身份驗證方法及裝置

在審

• 申請?zhí)枺?/td>: 201711340710.9
• 申請日: 2017-12-14
• 公開（公告）號: CN108074575A
• 公開（公告）日: 2018-05-25
• 發(fā)明（設(shè)計）人: 陳書東
• 申請（專利權(quán)）人: 廣州勢必可贏網(wǎng)絡(luò)科技有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/18;G10L25/24
• 代理公司: 深圳市深佳知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 王仲凱

本發(fā)明提供了一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的身份驗證方法及裝置，解決了基于i?vector的聲紋識別技術(shù)的每個模塊相對獨立，沒有統(tǒng)一在一起，導(dǎo)致的與其他技術(shù)融合不方便的技術(shù)問題，其中方法包括：接收由用戶端發(fā)送的驗證語音；將驗證語音進行分幀處理，得到驗證語音幀；逐幀提取驗證語音幀中的MFCC特征值；將驗證語音幀中的MFCC特征值逐一輸入至預(yù)置循環(huán)神經(jīng)網(wǎng)絡(luò)模型中，逐一得到驗證語音幀的特征向量；將所有驗證語音幀的特征向量的平均作為驗證語音的特征向量；獲取注冊語音的特征向量，并將注冊語音的特征向量與驗證語音的特征向量進行比對，得到匹配值；判斷匹配值是否高于預(yù)置匹配閾值，當確定匹配值高于預(yù)置匹配閾值后，發(fā)送身份驗證通過信息至用戶端。

技術(shù)領(lǐng)域

本發(fā)明涉及聲紋識別技術(shù)領(lǐng)域，尤其涉及一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的身份驗證方法及裝置。

背景技術(shù)

聲紋識別裝置是根據(jù)人聲的特質(zhì)來自動識別說話人身份的裝置。聲紋識別技術(shù)屬于生物驗證技術(shù)的一種，采用語音對說話人身份進行驗證。這種技術(shù)具有較好的便捷性、穩(wěn)定性、可測量性和安全性等特點。作為一種非接觸式的采集、識別技術(shù)，聲紋的獲取成本較低、獲取方便、使用簡單，在銀行、社保、公安、智能家居、移動支付等領(lǐng)域都有巨大應(yīng)用前景。循環(huán)神經(jīng)網(wǎng)絡(luò)是專門用于處理序列數(shù)據(jù)的深度學習模型，適合捕捉和利用數(shù)據(jù)的順序，并且能處理變長的數(shù)據(jù)，因此特別適用于長短不一的語音數(shù)據(jù)處理。

在目前主流的基于i-vector的聲紋識別技術(shù)中，裝置通常由語音特征提取、說話人語音特征量統(tǒng)計與聲紋建模和后端分類器三部分構(gòu)成?；趇-vector的聲紋識別技術(shù)的每個模塊相對獨立，沒有統(tǒng)一在一起，導(dǎo)致了與其他技術(shù)融合不方便的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的身份驗證方法及裝置，解決了基于i-vector的聲紋識別技術(shù)的每個模塊相對獨立，沒有統(tǒng)一在一起，導(dǎo)致的與其他技術(shù)融合不方便的技術(shù)問題。

本發(fā)明提供了一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的身份驗證方法，包括：

接收由用戶端發(fā)送的驗證語音；

將驗證語音進行分幀處理，得到驗證語音幀；

逐幀提取驗證語音幀中的MFCC特征值；

將驗證語音幀中的MFCC特征值逐一輸入至預(yù)置循環(huán)神經(jīng)網(wǎng)絡(luò)模型中，逐一得到驗證語音幀的特征向量；

將所有驗證語音幀的特征向量的平均作為驗證語音的特征向量；

獲取注冊語音的特征向量，并將注冊語音的特征向量與驗證語音的特征向量進行比對，得到匹配值；

判斷匹配值是否高于預(yù)置匹配閾值，當確定匹配值高于預(yù)置匹配閾值后，發(fā)送身份驗證通過信息至用戶端。

作為優(yōu)選，接收由用戶端發(fā)送的驗證語音之前還包括：

獲取帶有標簽的訓(xùn)練樣本語音；

提取訓(xùn)練樣本語音的MFCC特征值，并輸入至雙向長短時記憶神經(jīng)網(wǎng)絡(luò)中進行訓(xùn)練，得到雙向長短時記憶神經(jīng)網(wǎng)絡(luò)中代價函數(shù)的loss值；

判斷代價函數(shù)的loss值是否低于預(yù)置閾值，若是，則確定訓(xùn)練后的雙向長短時記憶神經(jīng)網(wǎng)絡(luò)收斂，保存訓(xùn)練后的雙向長短時記憶神經(jīng)網(wǎng)絡(luò)作為預(yù)置循環(huán)神經(jīng)網(wǎng)絡(luò)模型，若否，則返回獲取帶有標簽的訓(xùn)練樣本語音步驟，進入迭代。

作為優(yōu)選，接收由用戶端發(fā)送的驗證語音之前還包括：

接收用戶端發(fā)送的至少兩個注冊語音；

將每個注冊語音進行分幀處理，得到注冊語音幀；

逐幀提取注冊語音幀中的MFCC特征值；

將注冊語音幀中的MFCC特征值逐一輸入至訓(xùn)練后的雙向長短時記憶神經(jīng)網(wǎng)絡(luò)中，得到注冊語音幀的特征向量；