[發明專利]電子裝置、身份驗證的方法及存儲介質

有效

• 申請號: 201810311721.2
• 申請日: 2018-04-09
• 公開（公告）號: CN108694952B
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 王健宗;于夕畔;李瑾瑾;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L17/24
• 分類號: G10L17/24;G10L17/08;G10L17/04;G10L17/16;G10L17/18;G10L25/24
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種電子裝置，其特征在于，所述電子裝置包括存儲器及與所述存儲器連接的處理器，所述存儲器中存儲有可在所述處理器上運行的處理系統，所述處理系統被所述處理器執行時實現如下步驟：

聲學模型建立步驟，在互動式語音應答IVR場景下用戶辦理業務時，播報第一預設位數的隨機碼供該用戶跟讀，并在跟讀后分別為本次播報的隨機碼及該用戶本次跟讀的語音建立預設類型的聲學模型；

強制整體對齊步驟，將本次播報的隨機碼的聲學模型及該用戶本次跟讀的語音的聲學模型進行強制整體對齊操作，利用預定算法計算該對齊后的兩聲學模型相同的概率；

身份驗證步驟，若該對齊后的兩聲學模型相同的概率大于預設第一閾值，則提取該用戶本次跟讀的語音的聲紋特征向量，獲取該用戶在注冊成功后預存的標準聲紋特征向量，并計算該用戶本次跟讀的語音的聲紋特征向量及該標準聲紋特征向量的距離，以對該用戶進行身份驗證；

所述處理系統被所述處理器執行時，還實現如下步驟：

在互動式語音應答IVR場景下用戶進行聲紋注冊時，播報第二預設位數的隨機碼供用戶跟讀預設次，在每次跟讀后分別為播報的隨機碼及用戶跟讀的語音建立所述預設類型的聲學模型；

分別將每次播報的隨機碼的聲學模型及對應的用戶跟讀的語音的聲學模型進行強制整體對齊操作，利用預定算法計算對齊后的兩聲學模型相同的概率；

若對齊后的兩聲學模型相同的概率均大于預設第二閾值，則提取每次用戶跟讀的語音的聲紋特征向量，計算兩兩聲紋特征向量的距離，以分析每次跟讀的用戶是否為同一用戶；

若是，則以該聲紋特征向量作為該用戶的標準聲紋特征向量進行存儲。

2.根據權利要求1所述的電子裝置，其特征在于，所述預設類型的聲學模型為深度神經網絡-隱馬爾可夫模型。

3.根據權利要求1所述的電子裝置，其特征在于，所述提取該用戶本次跟讀的語音的聲紋特征向量的步驟包括：

對該用戶本次跟讀的語音進行預加重及加窗處理，對每一個加窗進行傅立葉變換得到對應的頻譜，將所述頻譜輸入梅爾濾波器以輸出得到梅爾頻譜；

在梅爾頻譜上進行倒譜分析以獲得梅爾頻率倒譜系數MFCC，基于所述梅爾頻率倒譜系數MFCC組成該用戶本次跟讀的語音的聲紋特征向量。

4.一種身份驗證的方法，其特征在于，所述身份驗證的方法包括：

S1，在互動式語音應答IVR場景下用戶辦理業務時，播報第一預設位數的隨機碼供該用戶跟讀，并在跟讀后分別為本次播報的隨機碼及該用戶本次跟讀的語音建立預設類型的聲學模型；

S2，將本次播報的隨機碼的聲學模型及該用戶本次跟讀的語音的聲學模型進行強制整體對齊操作，利用預定算法計算該對齊后的兩聲學模型相同的概率；

S3，若該對齊后的兩聲學模型相同的概率大于預設第一閾值，則提取該用戶本次跟讀的語音的聲紋特征向量，獲取該用戶在注冊成功后預存的標準聲紋特征向量，并計算該用戶本次跟讀的語音的聲紋特征向量及該標準聲紋特征向量的距離，以對該用戶進行身份驗證；

所述步驟S1之前，還包括：

S01，在互動式語音應答IVR場景下用戶進行聲紋注冊時，播報第二預設位數的隨機碼供用戶跟讀預設次，在每次跟讀后分別為播報的隨機碼及用戶跟讀的語音建立所述預設類型的聲學模型；

S02，分別將每次播報的隨機碼的聲學模型及對應的用戶跟讀的語音的聲學模型進行強制整體對齊操作，利用預定算法計算對齊后的兩聲學模型相同的概率；

S03，若對齊后的兩聲學模型相同的概率均大于預設第二閾值，則提取每次用戶跟讀的語音的聲紋特征向量，計算兩兩聲紋特征向量的距離，以分析每次跟讀的用戶是否為同一用戶；

S04，若是，則以該聲紋特征向量作為該用戶的標準聲紋特征向量進行存儲。

5.根據權利要求4所述的身份驗證的方法，其特征在于，所述預設類型的聲學模型為深度神經網絡-隱馬爾可夫模型。