验证真人在场状态的声纹认证设备和其认证方法

1.一种用于验证真人在场的声纹认证设备，包括：
语音输入装置，用于接收用户输入的语音；
声纹识别装置，用于将用户输入的认证语音与声纹模型进行对比认 证，以便验证用户身份；
在场验证装置，用于将用户输入的模仿语音与预制的提示音集合中随 机选出的提示音进行对比认证，以便确定用户在场发音；以及
判定装置，用于根据声纹识别装置和在场验证装置的认证结果，判断 用户是否真实且在场。
2.如权利要求1所述的声纹认证设备，其中所述在场验证装置包括：
模板语音集生成单元，用于从语料库中选出满足预定条件的句子作为 提示文本，并将提示文本按照预定规则录制为提示音集合；
相似度匹配单元，用于对随机选出的提示音和用户输入的模仿语音进 行相似度匹配，以确认用户是否在场发音。
3.如权利要求2所述的声纹认证设备，其中所述模板语音集生成单元 按照下列规则录制提示音集合：
在利用挑选出来的提示文本录制提示语音集合时随机地插入具有预定 规律的关键特征点，以及使该提示音集合所含的元辅音对分布均衡。
4.如权利要求2所述的声纹认证设备，其中所述相似度匹配单元包括：
第一关键特征点序列提取单元，用于从提示音中提取第一关键特征点 序列；
第二关键特征点序列提取单元，用于从用户输入的模仿语音中提取第 二关键特征点序列；以及
第一匹配单元，将第一关键特征点序列和第二关键特征点序列进行匹 配以判断出用户是否在场发音。
5.如权利要求4所述的声纹认证设备，其中所述第一关键特征点序 列和第二关键特征点序列是与语音中停顿静音段的个数及其时长分布、关 键特征点的趋势曲线以及元辅音属性分布序列有关的参数。
6.如权利要求4或5所述的声纹认证设备，其中所述第一匹配单元， 利用动态时间弯折方法来计算提取出的第一关键特征点序列和第二关键特 征点序列之间的失真距离，根据失真距离求出相似度分数，并根据下式计 算出相似度总分数，在相似度总分数高于预定阈值时，判断出用户在场发 音： $\tilde{s}=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{w}_i{s}_i,$ 其中 是相似度总分数。
7.如权利要求1所述的声纹认证设备，其中所述在场验证装置包括：
对准单元，用于将提示音的文本内容扩展到它对应的音素序列，对模 仿发音的各帧与预先训练好的声学模型进行最优匹配，以便获得每一帧与 适当的音素状态间的对应关系；
匹配单元，用于将模仿发音的各帧的特征矢量与对应音素状态中的高 斯混合进行对比，获得匹配似然分，并针对所有帧求出平均似然分，作为 用户的模仿发音的准确度分数并判断出用户是否在场发音。
8.如权利要求7所述的声纹认证设备，其中所述在场验证装置还包 括：学习单元，用于从标注语音数据库中学习一组上下文相关的、非特定 人的基于隐马尔可夫模型的音素模型，作为声学模型。
9.如权利要求1所述的声纹认证设备，其中所述声纹识别装置是文 本无关的，其包括：
声纹特征提取单元，用于从用户输入的语音中提取可表征其发音特点 的声纹特征序列；
声纹模型建立单元，用于根据提取出的声纹特征序列建立表征用户本 人发音特点的声纹模型库；
声纹模式匹配单元，用于从用户输入的认证语音中提取声纹特征序列 并与声纹模型库中对应的声纹模型进行比对，从而验证所述用户的身份。
10.如权利要求1所述的声纹认证设备，其中还包括：
与语音输入装置连接的密码验证装置，用于预先通过密码验证用户的 身份。
11.一种用于验证真人在场的声纹认证方法，包括：
语音输入步骤，用于接收用户输入的语音；
声纹识别步骤，用于将用户输入的认证语音与声纹模型进行对比认 证，以便验证用户身份；
在场验证步骤，用于将用户输入的模仿语音与预制的提示音集合中随 机选出的提示音进行对比认证，以便确定用户在场发音；以及
判定步骤，用于根据声纹识别步骤和在场验证步骤的认证结果，判断 用户是否真实且在场。
12.如权利要求11所述的声纹认证方法，其中所述在场验证步骤包括：
模板语音集生成步骤，用于从语料库中选出满足预定条件的句子作为 提示文本，并将提示文本按照预定规则录制为提示音集合；
相似度匹配步骤，用于对随机选出的提示音和用户输入的模仿语音进 行相似度匹配，以确认用户是否在场发音。
13.如权利要求12所述的声纹认证方法，其中所述模板语音集生成步 骤按照下列规则录制提示音集合：
在利用挑选出来的提示文本录制提示语音集合时随机地插入具有预定 规律的关键特征点，以及使该提示音集合所含的元辅音对分布均衡。
14.如权利要求12所述的声纹认证方法，其中所述相似度匹配步骤包 括：
第一关键特征点序列提取步骤，用于从提示音中提取第一关键特征点 序列；
第二关键特征点序列提取步骤，用于从用户输入的模仿语音中提取第 二关键特征点序列；以及
第一匹配步骤，将第一关键特征点序列和第二关键特征点序列进行匹 配并判断出用户是否是在场发音。
15.如权利要求14所述的声纹认证方法，其中所述第一关键特征点 序列和第二关键特征点序列是与语音中停顿静音段的个数及其时长分布、 关键特征点的趋势曲线以及元辅音属性分布序列有关的参数。
16.如权利要求14或15所述的声纹认证方法，其中所述第一匹配步 骤利用动态时间弯折方法来计算提取出的第一关键特征点序列和第二关键 特征点序列之间的失真距离，根据失真距离求出相似度分数，以及根据下 式计算出相似度总分数，在相似度总分数高于预定阈值时，判断出用户在 场发音： $\tilde{s}=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{w}_i{s}_i,$ 其中 是相似度总分数。
17.如权利要求11所述的声纹认证方法，其中所述在场验证步骤包 括：
对准步骤，用于将提示音的文本内容扩展到它对应的音素序列，对模 仿发音的各帧与预先训练好的声学模型进行最优匹配，以便获得每一帧与 适当的音素状态间的对应关系；
匹配步骤，用于将模仿发音的各帧的特征矢量与对应音素状态中的高 斯混合进行对比，获得匹配似然分，并针对所有帧求出平均似然分，作为 用户的模仿发音的准确度分数。
18.如权利要求17所述的声纹认证方法，其中在场验证步骤还包括：
学习步骤，用于通过从标注语音数据库中学习一组上下文相关的、非
特定人的基于隐马尔可夫模型的音素模型作为声学模型；
19.如权利要求11所述的声纹认证方法，其中所述声纹识别是文本 无关的，所述声纹识别步骤包括：
声纹特征提取步骤，用于从用户语音中提取可表征其发音特点的声纹 特征序列；
声纹模型建立步骤，用于根据提取出的声纹特征序列建立表征用户本 人发音特点的声纹模型库；
声纹模式匹配步骤，用于从用户输入的认证语音中提取声纹特征序列 并与声纹模型库中对应的声纹模型进行比对，从而验证所述用户的身份。
20.如权利要求11所述的声纹认证方法，其中在语音输入步骤之前 包括通过密码验证用户的身份的步骤。

暂无