【中國安防展覽網(wǎng) 企業(yè)關(guān)注】每個人聲音的的氣質(zhì)形成了“聲紋”，而在某種程度上，這可以代替指紋。指紋必須要和人有直接的肢體接觸，但是聲紋直接發(fā)來一段聲音就可以，將來可以應(yīng)用于識別或偵查領(lǐng)域。那么聲紋的工作原理是什么呢？
聲紋識別神秘面紗
在這個移動互聯(lián)網(wǎng)大行其道的年代，人們不用互相見面就可以完成很多事情，比如社交、購物、網(wǎng)上開店、金融交易等等，但是如何驗證身份變成了人和人在不見面的情況下難的事情。傳統(tǒng)的解決方案就是密碼或者秘鑰，它需要你記住或者存起來，容易忘又容易丟，還容易被黑客利用各種手段攻擊。有多少人使用“123456“這種簡單密碼在網(wǎng)絡(luò)上行走，他們就是黑客們喜歡的目標(biāo)；你家的路由器是不是還在用”admin”這種默認(rèn)密碼，這就是物聯(lián)網(wǎng)領(lǐng)域中安全薄弱的環(huán)節(jié)。不過，好在我們每個人身上都長滿了“活密碼”，指紋、臉、聲音、眼睛等等，都是人和人之間相互區(qū)分的的標(biāo)識，我們稱之為“生物特征”。聲音就是這種一種可以反映人身份的生物特征，參考“指紋”的命名方式，我們可以叫它“聲紋”。
各種生物特征比較
聲紋是指人類語音中攜帶言語信息的聲波頻譜，它同指紋一樣，具備獨特的生物學(xué)特征，具有身份識別的作用，不僅具有特定性，而且具有相對的穩(wěn)定性。聲音信號是一維連續(xù)信號，將它進行離散化后，就可以得到我們現(xiàn)在常見的計算機可以處理的聲音信號。
計算機可以處理的離散聲音信號
聲紋識別(也稱說話人識別)技術(shù)也如同現(xiàn)在在智能手機上應(yīng)用十分廣泛的指紋識別技術(shù)一樣，從說話人發(fā)出的語音信號中提取語音特征，并據(jù)此對說話人進行身份驗證的生物識別技術(shù)。每個人都具有的聲紋，這是由我們的發(fā)聲器官在成長過程中逐漸形成的特征。無論別人對我們的說話模仿的多么相似，聲紋其實都是具有顯著區(qū)別的。
現(xiàn)實生活中的“未見其人，先聞其聲”就是人類通過聲音去識別另一個人身份的真實描述，你媽甚至通過你電話里的一個“喂”字就知道是你，而不是隔壁老王家的兒子打的電話，這是我們?nèi)祟惤?jīng)過長期進化所獲得到的超常的能力。雖然目前計算機還做不到通過一個字就判斷出人的身份，但是利用大量的訓(xùn)練語音數(shù)據(jù)，可以學(xué)出一個“智商”還不錯的“聲紋”大腦，它在你說出8-10個字的情況下可以判斷出是不是你在說話，或者在你說1分鐘以上的話后，就可以準(zhǔn)確地判斷出你是否是給定的1000人中的一員。這里面其實包含了大部分生物識別系統(tǒng)都適用的重要概念：1:1 和 1:N，同時也包含了只有在聲紋識別技術(shù)中存在的獨特的概念：內(nèi)容相關(guān)和內(nèi)容無關(guān)。
工作原理
對于一個生物識別系統(tǒng)而言，如果它的工作模式是需要你提供自己的身份(賬號)以及生物特征，然后跟之前保存好的你本人的生物特征進行比對，確認(rèn)兩者是否一致(即你是不是你)，那么它是一個1:1的識別系統(tǒng)(也可以叫說話人確認(rèn)，Speaker Verification)；如果它只需要你提供生物特征，然后從后臺多條生物特征記錄中搜尋出哪個是你(即你是誰)，或者哪個都不是你，那么它是一個1:N的識別系統(tǒng)(也可以叫辨認(rèn)，Speaker Identification)，見圖1。技術(shù)上，簡單的聲紋識別的系統(tǒng)工作流程圖來見圖2。
圖1 說話人確認(rèn)和說話人辨認(rèn)
圖2 聲紋識別工作流程圖
對于聲紋識別系統(tǒng)而言，如果從用戶所說語音內(nèi)容的角度出發(fā)，則可以分為內(nèi)容相關(guān)和內(nèi)容無關(guān)兩大類技術(shù)。顧名思義，“內(nèi)容相關(guān)”就是指系統(tǒng)假定用戶只說系統(tǒng)提示內(nèi)容或者小范圍內(nèi)允許的內(nèi)容，而“內(nèi)容無關(guān)”則并不限定用戶所說內(nèi)容。前者只需要識別系統(tǒng)能夠在較小的范圍內(nèi)處理不同用戶之間的聲音特性的差異就可以，由于內(nèi)容大致類似，只需要考慮聲音本身的差異，難度相對較??；而后者由于不限定內(nèi)容，識別系統(tǒng)不僅需要考慮用戶聲音之間的特定差異，還需要處理內(nèi)容不同而引起的語音差異，難度較大。
目前有一種介于兩者之間的技術(shù)，可以稱之為“有限內(nèi)容相關(guān)”，系統(tǒng)會隨機搭配一些數(shù)字或符號，用戶需正確念出對應(yīng)的內(nèi)容才可識別聲紋，這種隨機性的引入使得文本相關(guān)識別中每一次采集到的聲紋都有內(nèi)容時序上的差異，這種特性正好與互聯(lián)網(wǎng)上廣泛存在的短隨機數(shù)字串(如數(shù)字驗證碼)相契合，可以用來校驗身份，或者和其他人臉等生物特征結(jié)合起來組成多因子認(rèn)證手段。
具體到聲紋識別算法的技術(shù)細(xì)節(jié)，在特征層面，經(jīng)典的梅爾倒譜系數(shù)MFCC，感知線性預(yù)測系數(shù)PLP、深度特征Deep Feature、以及能量規(guī)整譜系數(shù)PNCC 等，都可以作為的聲學(xué)特征用于模型學(xué)習(xí)的輸入，但使用多的還是MFCC特征，也可以將多種特征在特征層面或者模型層面進行組合使用。在機器學(xué)習(xí)模型層面，目前還是N.Dehak在2009年提出的iVector框架一統(tǒng)天下，雖然在深度學(xué)習(xí)大紅大紫的今天，聲紋領(lǐng)域也難免被影響，在傳統(tǒng)的UBM-iVector框架下衍化出了DNN-iVector，也僅僅是使用DNN(或者BN)提取特征代替MFCC或者作為MFCC的補充，后端學(xué)習(xí)框架依然是iVector。
圖3示出了一個完整的聲紋識別系統(tǒng)的訓(xùn)練和測試流程，可以看到在其中iVector模型的訓(xùn)練以及隨后的信道補償模型訓(xùn)練是重要的環(huán)節(jié)。在特征階段，可以使用BottleNeck特征取代或者補充MFCC特征，輸入到iVector框架中訓(xùn)練模型，如圖4所示。
圖3 聲紋識別算法的完整訓(xùn)練和識別框架
圖4 使用BottleNeck特征訓(xùn)練iVector模型
在系統(tǒng)層面，不同的特征及模型，可以從不同的維度刻畫說話人的聲音特征，加上有效的分?jǐn)?shù)規(guī)整，將各子系統(tǒng)融合能有效的提高系統(tǒng)的整體性能。
版權(quán)與免責(zé)聲明：
凡本網(wǎng)注明“來源：智慧城市網(wǎng)”的所有作品，均為浙江興旺寶明通網(wǎng)絡(luò)有限公司-智慧城市網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品，未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權(quán)使用作品的，應(yīng)在授權(quán)范圍內(nèi)使用，并注明“來源：智慧城市網(wǎng)”。違反上述聲明者，本網(wǎng)將追究其相關(guān)法律責(zé)任。
本網(wǎng)轉(zhuǎn)載并注明自其它來源（非智慧城市網(wǎng)）的作品，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點或和對其真實性負(fù)責(zé)，不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。其他媒體、網(wǎng)站或個人從本網(wǎng)轉(zhuǎn)載時，必須保留本網(wǎng)注明的作品第一來源，并自負(fù)版權(quán)等法律責(zé)任。
如涉及作品內(nèi)容、版權(quán)等問題，請在作品發(fā)表之日起一周內(nèi)與本網(wǎng)聯(lián)系，否則視為放棄相關(guān)權(quán)利。
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號
移動版
