一種基于聲紋二維碼的安全認證方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于二維碼編解碼技術(shù)和聲紋識別技術(shù)領(lǐng)域，具體涉及一種基于聲紋二維 碼的安全認證方法。
【背景技術(shù)】
[0002] 二維碼（Two-dimensional code)，又稱二維條碼，它是用特定的幾何圖形按一定 規(guī)律在平面（二維方向）上分布的黑白相間的圖形，是所有信息數(shù)據(jù)的一把鑰匙。我國對二 維碼技術(shù)的研究開始于1993年。中國物品編碼中心對幾種常用的二維碼roF417、QRCCode、 Data Matrix、Maxi Code、Code 49、Code 16K、Code One 的技術(shù)規(guī)范進行了翻譯和跟蹤研 究。
[0003] 聲紋識別（Voiceprint Recognition, VPR)，也稱為說話人識別（Speaker Recognition)，有兩類，即說話人辨認（Speaker Identification)和說話人確認（Speaker Verification)。說話人辨認用以判斷某段語音是若干人中的哪一個所說的，是"多選一" 問題；而說話人確認用以確認某段語音是否是指定的某個人所說的，是"一對一判別"問題。 不同的任務和應用會使用不同的聲紋識別技術(shù)，如縮小刑偵范圍時可能需要辨認技術(shù)，而 銀行交易時則需要確認技術(shù)。不管是辨認還是確認，都需要先對說話人的聲紋進行建模，這 就是所謂的"訓練"或"學習"過程。
[0004] 傳統(tǒng)票據(jù)驗證需要人工核對，例如火車票驗票，要工作人員先驗票、驗身份證，之 后再對比身份證照片和人臉，進而判斷是否為車票所有者本人，驗證過程費時、費力，并且 存在驗證過程安全性不高的問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明針對目前紙質(zhì)票據(jù)驗證安全性不足、驗證費時費力的缺點，以更方便應用 于對安全性有較高要求的臨時身份認證場景，提供了 一種基于聲紋二維碼的安全認證方 法。
[0006] 本發(fā)明提供的基于聲紋二維碼的安全認證方法，包括如下步驟：
[0007] 步驟1，聲紋二維碼編碼，具體是：用戶進行多次語音輸入，提取語音的聲紋特征； 利用提取的聲紋特征訓練生成用戶的聲紋模型；將聲紋模型的參數(shù)進行數(shù)據(jù)壓縮并生成二 維碼；
[0008] 步驟2,用戶使用聲紋二維碼作為身份憑證購票，購票成功后返回帶有聲紋二維碼 及所購票信息的電子或紙質(zhì)票據(jù)，驗票時輸入收到的聲紋二維碼進行識別；
[0009] 步驟3,在用戶的聲紋二維碼憑證有效的情況下，用戶進行語音輸入，對用戶輸入 的語音提取聲紋特征，并與用戶的聲紋模型進行相似性比較，判斷用戶是否為本人。
[0010] 步驟1中所述的提取語音的聲紋特征，對語音信號依次進行如下處理：對輸入的 語音信號進行預加重，對預加重后的語音信號進行交疊式的分幀，對分幀后的語音信號進 行加窗，對語音進行端點檢測，識別出語音的開始段、噪聲段和結(jié)束段；再對處理后的語音 信號提取聲紋特征。
[0011] 本發(fā)明的優(yōu)點與積極效果在于：（1)本發(fā)明聲紋二維碼的概念，能夠有效地解決 傳統(tǒng)票據(jù)或憑證（例如火車票、門票等）驗證過程安全性不高的問題。（2)本發(fā)明相對于傳 統(tǒng)臨時身份驗證方法，使用過程簡單，自然，并且能夠進行大規(guī)模的自動化，可以省去人工 驗證過程，并且能提高驗證效率。（3)本發(fā)明相對于傳統(tǒng)票據(jù)而言，更具有通用性，該聲紋二 維碼可以用在所有需要進行身份驗證的場景下，并且成本低廉，只需要圖像采集設(shè)備和語 音輸入設(shè)備。
【附圖說明】
[0012] 圖1為本發(fā)明的基于聲紋二維碼的安全認證方法的整體流程示意圖；
[0013] 圖2為本發(fā)明方法在火車票購票和驗票的場景下應用的流程示意圖；
[0014] 圖3為本發(fā)明編碼生成聲紋二維碼的流程示意圖；
[0015] 圖4為本發(fā)明利用聲紋二維碼進行識別與驗證的流程示意圖； 圖5為本發(fā)明步驟3用戶輸入語音進行聲紋驗證的流程示意圖。
【具體實施方式】
[0016] 下面將結(jié)合附圖和實施例對本發(fā)明作進一步的詳細說明。
[0017] 本發(fā)明提供的基于聲紋二維碼的安全認證方法，主要包括兩部分：聲紋二維碼編 碼；聲紋二維碼識別與驗證。聲紋二維碼編碼是：通過多次錄制用戶的語音進行訓練，產(chǎn)生 用戶的聲紋模型，并將該模型通過壓縮編碼生成聲紋二維碼。該聲紋二維碼即作為該用戶 固定的身份憑證，在其他業(yè)務系統(tǒng)（如火車票購票系統(tǒng)）需要記錄用戶身份憑證時進行發(fā) 送。聲紋二維碼識別與驗證是：在用戶需要進行身份驗證時，用戶首先通過聲紋二維碼掃 描，獲得用戶聲紋信息。如果用戶的聲紋二維碼在系統(tǒng)中有記錄，則證明持有該聲紋二維碼 (如電子或紙質(zhì)火車票上的聲紋二維碼）的用戶具有合法身份。之后系統(tǒng)提示用戶進行聲 紋輸入，系統(tǒng)將輸入聲紋與從聲紋二維碼中解析出的聲紋進行相似性驗證，并給出得分。如 果得分大于既定閾值，則該用戶為合法用戶。否則該用戶非法。通過二維碼和聲紋的兩步 的驗證，系統(tǒng)能夠為有高安全性要求的臨時身份驗證的場景（如火車票驗票、貴重物品簽 收等），提供通用的快捷、安全的認證方式。
[0018] 本發(fā)明的基于聲紋二維碼的安全認證方法，如圖1所示。下面將結(jié)合在圖2所示 的在火車票購票和驗票的場景對各步驟進行說明。
[0019] 步驟1，用戶進行多次語音輸入，對語音進行處理生成聲紋二維碼。生成聲紋二維 碼的過程如圖3所示。步驟1的實現(xiàn)步驟分為步驟I. 1~步驟1. 3。
[0020] 步驟1. 1，用戶進行多次語音輸入，提取語音的聲紋特征。設(shè)用戶通過語音輸入設(shè) 備進行M次的語音輸入，M多1。提取語音聲紋特征的過程如圖3所示，包括步驟I. I. 1~ 步驟I. 1. 5。
[0021] 步驟1. 1. 1，對輸入的語音信號進行預加重，所述預加重過程是通過高通濾波器來 完成，目的是為了對語音的高頻部分進行加重，去除口唇輻射的影響，增加語音的高頻分辨 率。高通濾波器在z域的傳遞函數(shù)H(Z)如下：
[0022] H(z) = l_az 1 (1)
[0023] 通過一階有限長沖激響應（FIR)高通數(shù)字濾波器來實現(xiàn)預加重，設(shè)η時刻的語音 采樣值為S1(Ii)，η-1時刻的語音采樣值為S1(Ii-I)，S(η)為預加重之后的語音信號，a為預 加重系數(shù)，〇. 9〈a〈l. 0均可，本發(fā)明實施例中取a = 0. 98。
[0024] 對信號預加重處理后的結(jié)果如下：
[0025] S (n) = S1 (n)-BXS1 (n-1) (2)
[0026] 步驟I. I. 2,對預加重后的語音信號進行交疊式的分幀。
[0027] 將語音信號分幀是為了將信號分成若干段來處理，每一段稱為一"幀"。本發(fā)明采 用的是交疊式分幀，即前后兩幀會產(chǎn)生交疊，即幀移。
[0028] 步驟1. 1.3,對分幀后的語音信號進行加窗，加窗可以選取但不限于漢明 (Hamming)窗等方式。本發(fā)明實施例中采用漢明窗對信號進行加窗。
[0029] 分幀后將會產(chǎn)生頻譜泄漏，因此需要采用漢明窗對信號進行加窗。漢明窗具體如 下：
[0031] 其中，w (η)為Hamming窗函數(shù)，N為幀長，通常取256,參數(shù)b = 0.46。
[0032] 假設(shè)預加重得到的語音信號為S (η)，則加窗后得到的語音信號S'（η)= S (η) X w (η) 〇
[0033] 步驟I. 1. 4,對語音進行端點檢測，識別出語音的開始段、噪聲段和結(jié)束段。可采用 基于短時能量或者短時過零率等指標來進行端點檢測。
[0034] 例如采用短時能量對語音信號進行端點檢測，判斷語音的開始和結(jié)束時刻。通過 設(shè)定短時能量的高低閾值來判斷語音的起始和結(jié)束段。當語音狀態(tài)為靜音態(tài)時，若信號的 短時能量大于高閾值，則標記該時刻為起始時刻，進入語音狀態(tài)。之后如果短時能量小于低 閾值，且其持續(xù)時間小于最短時間閾值，則認為目前這段信號為一段噪聲，繼續(xù)處理后面語 音，否則認為語音結(jié)束。所述第η幀的短時能量E (η)為：
[0036] 步驟I. 1. 5,提取用戶語音的聲紋特征，可以是梅爾倒譜系數(shù)或Ga_atone頻率倒 譜系數(shù)等能夠標識用戶聲音特點語音特征。
[0037] 本發(fā)明實施例采用每一幀語音的梅爾倒譜系數(shù)對信號進行特征提取，針對每一幀 語音X (η)，通過計算，得到16維梅爾倒譜系數(shù)（MFCC)。
[0038] 步驟1. 2,利用提取的聲紋特征訓練生成用戶的聲紋模型。
[0039] 通過用戶語音的聲紋特征進行用戶聲紋模型的建模。例如，使用期望最大（EM)算 法訓練高斯混合-通用背景模型（GMM-UBM模型），使用Layer-Wise算法訓練深度信念網(wǎng) 等方法得到不同形式的聲紋模型。
[0040] 本發(fā)明實施例基于對得到的梅爾倒譜系數(shù)特征使用EM算法進行高斯混合模型 (GMM)的參數(shù)訓練。得到