[發(fā)明專利]一種基于聲紋識(shí)別技術(shù)的遠(yuǎn)程身份認(rèn)證方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011173448.5
• 申請(qǐng)日: 2020-10-28
• 公開（公告）號(hào): CN112164404A
• 公開（公告）日: 2021-01-01
• 發(fā)明（設(shè)計(jì)）人: 朱明增;覃景濤;溫黎明;歐健美;馬紅康;周素君;劉秀麗;覃秋勤;冀北振;劉小蘭
• 申請(qǐng)（專利權(quán)）人: 廣西電網(wǎng)有限責(zé)任公司賀州供電局
• 主分類號(hào): G10L17/00
• 分類號(hào): G10L17/00;G10L17/04;G10L17/12;G10L17/14;G10L17/18;G10L25/24
• 代理公司: 北京國帆知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11334
• 代理人: 李增朝

本發(fā)明公開了一種基于聲紋識(shí)別技術(shù)的遠(yuǎn)程身份認(rèn)證方法及系統(tǒng)，遠(yuǎn)程身份認(rèn)證方法包括：采集相關(guān)人員的個(gè)人語音樣本和個(gè)人身份信息；利用個(gè)人語音樣本，生成個(gè)人識(shí)別模型；關(guān)聯(lián)個(gè)人識(shí)別模型與個(gè)人身份信息；集合多個(gè)個(gè)人識(shí)別模型和多個(gè)個(gè)人身份信息，生成相關(guān)人員識(shí)別模型庫；采集識(shí)別人員的個(gè)人聲紋信息；利用個(gè)人聲紋信息，采用聲紋辨認(rèn)方法，在相關(guān)人員識(shí)別模型庫中初步確認(rèn)識(shí)別人員的個(gè)人身份信息；利用個(gè)人聲紋信息，采用聲紋確認(rèn)方法，二次確認(rèn)識(shí)別人員的個(gè)人身份信息；匹配校驗(yàn)識(shí)別人員的個(gè)人身份信息與合格人員名單。在本發(fā)明實(shí)施例中，采用遠(yuǎn)程身份認(rèn)證方法及系統(tǒng)能百分百確保對(duì)方是合格人員，確保對(duì)方業(yè)務(wù)技能達(dá)標(biāo)，避免造成安全隱患。

技術(shù)領(lǐng)域

本發(fā)明涉及身份認(rèn)證技術(shù)領(lǐng)域，具體而言，涉及一種基于聲紋識(shí)別技術(shù)的遠(yuǎn)程身份認(rèn)證方法及系統(tǒng)。

背景技術(shù)

電網(wǎng)安全規(guī)定，工作票簽發(fā)人、工作負(fù)責(zé)人和工作許可人(簡稱“三種人”)每年應(yīng)進(jìn)行“三種人”資格考試，合格后以發(fā)文的形式公布；另外，與上級(jí)調(diào)度機(jī)構(gòu)進(jìn)行調(diào)度業(yè)務(wù)聯(lián)系的值班調(diào)度員和運(yùn)行單位值班人員必須通過調(diào)度機(jī)構(gòu)組織的認(rèn)證培訓(xùn)和受令資格考核，并取得受令資格；調(diào)度業(yè)務(wù)都是通過電話聯(lián)系，以自報(bào)名字的方式確認(rèn)身份，因此，若對(duì)方?jīng)]有通過“三種人”資格考試以及沒有受令資格，而以謊報(bào)合格人員名字的方式開展工作，由于安全意識(shí)不足和業(yè)務(wù)技能薄弱，會(huì)存在很大的安全隱患。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于聲紋識(shí)別技術(shù)的遠(yuǎn)程身份認(rèn)證方法及系統(tǒng)，在開展調(diào)度業(yè)務(wù)時(shí)，采用所述遠(yuǎn)程身份認(rèn)證方法及系統(tǒng)能百分百確認(rèn)對(duì)方身份，確保對(duì)方是合格人員，確保對(duì)方業(yè)務(wù)技能達(dá)標(biāo)，避免造成安全隱患。

相應(yīng)的，本發(fā)明實(shí)施例提供了一種基于聲紋識(shí)別技術(shù)的遠(yuǎn)程身份認(rèn)證方法，其特征在于，所述遠(yuǎn)程身份認(rèn)證方法包括：

采集相關(guān)人員的個(gè)人語音樣本和個(gè)人身份信息；

利用所述個(gè)人語音樣本，生成個(gè)人識(shí)別模型；

關(guān)聯(lián)所述個(gè)人識(shí)別模型與所述個(gè)人身份信息；

集合多個(gè)所述個(gè)人識(shí)別模型和相關(guān)聯(lián)的多個(gè)所述個(gè)人身份信息，生成相關(guān)人員識(shí)別模型庫；

采集識(shí)別人員的個(gè)人聲紋信息；

利用所述個(gè)人聲紋信息，并采用聲紋辨認(rèn)方法，在所述相關(guān)人員識(shí)別模型庫中初步確認(rèn)所述識(shí)別人員的個(gè)人身份信息；

利用所述個(gè)人聲紋信息，并采用聲紋確認(rèn)方法，二次確認(rèn)所述識(shí)別人員的個(gè)人身份信息；

匹配校驗(yàn)所述識(shí)別人員的個(gè)人身份信息與合格人員名單。

可選的實(shí)施方式，所述利用所述個(gè)人語音樣本，生成個(gè)人識(shí)別模型，包括：

提取所述個(gè)人語音樣本的個(gè)人語音MFCC特征；

利用神經(jīng)網(wǎng)絡(luò)算法對(duì)所述個(gè)人語音MFCC特征進(jìn)行訓(xùn)練，生成個(gè)人識(shí)別模型。

可選的實(shí)施方式，所述利用所述個(gè)人聲紋信息，并采用聲紋辨認(rèn)方法，在所述相關(guān)人員識(shí)別模型庫中初步確認(rèn)所述識(shí)別人員的個(gè)人身份信息，包括：

比對(duì)所述個(gè)人聲紋信息與所述相關(guān)人員識(shí)別模型庫，結(jié)合概率模型法得到所述相關(guān)人員模型庫中個(gè)人模型的相似性打分；

對(duì)所述相似性打分進(jìn)行相似性打分判別，根據(jù)所述相似性打分判別初步確認(rèn)所述識(shí)別人員的個(gè)人身份信息。

可選的實(shí)施方式，所述概率模型法基于高斯混合算法并利用M個(gè)多位高斯分布加權(quán)得到。

可選的實(shí)施方式，所述利用所述個(gè)人聲紋信息，并采用聲紋確認(rèn)方法，二次確認(rèn)所述識(shí)別人員的個(gè)人身份信息，包括：

利用語音識(shí)別技術(shù)，識(shí)別所述個(gè)人聲紋信息中的聲紋身份信息；