CN103258535A - 基于声纹识别的身份识别方法及系统 - Google Patents

Abstract

本发明提供一种基于声纹识别的身份识别方法，包括：步骤一、利用一网络接收来自于用户的语音；步骤二、判断所述语音是否与一声纹库内存储的语音一致；如果判断结果为否，则将所述语音存储于所述声纹库，如果判断结果为是，则显示与所述用户的语音相对应的用户身份信息。同时，本发明还提供一种基于声纹识别的身份识别系统，用于最佳地识别用户身份，并为制定用户进行服务。

Description

基于声纹识别的身份识别方法及系统

技术领域

本发明属于声纹识别技术领域，尤其涉及一种基于声纹识别的身份识别方法及系统。 

背景技术

声纹识别技术，又称说话人识别技术(Speaker Recognition)，是一项通过语音信号提取代表不同说话人身份的相关固有特征，识别出说话人身份等方面的技术。它可以广泛应用于国家安全、技侦、刑侦、电话银行等领域。由于声纹特征反应的是说话人的生理和行为特征，因而声纹是和说话人绑定紧密的生物识别技术，和说话人使用何种语种方言、何种语音内容无关。 

声纹识别，也称为说话人识别(Speaker Recognition)，有两类，即说话人辨认(Speaker Identification)和说话人确认(Speaker Verification)。前者用以判断某段语音是若干人中的哪一个所说的，是“多选一”问题；而后者用以确认某段语音是否是指定的某个人所说的，是“一对一判别”问题。不同的任务和应用会使用不同的声纹识别技术，如从多人中找到某个特定人时需要辨认技术，而做交易时则需要确认技术。不管是辨认还是确认，都需要先对说话人的声纹进行建模，这就是所谓的“训练”或“学习”过程。 

随着科技的不断进步，安全性问题也越来越突出。由于声纹不同于其他生物识别技术（如人脸识别、指纹识别、掌纹识别、虹膜识别等），具有不会遗失、改变、不需记忆等优点，只需通过麦克风或电话输入语音即可进行识别，无需特殊的设备、特定的文本内容。数据采集极为方便，造价低廉，是最为经济、可靠、简便、安全和有效的身份识别方式。这些优点会成为声纹识别广泛应用的基础。 

呼叫中心（Call Center）是一种基于计算机电话集成（CTI）技术，与企业业务连为一体的一个完整的综合信息服务系统。呼叫中心充分利用现代通讯与计算机技术，如交互语音（IVR）系统、自动呼叫分配（ACD）系统等，灵活处理各种不同的电话呼入与呼出业务。企业利用呼叫中心可以为用户建立更为完善的客户服务系统。现有技术中所使用客户服务管理系统，通常根据客户呼叫时的手机或座机号码来判断客户的身份信息。这样做的缺陷在于，当客户呼叫时所使用的通讯工具并非注册时所使用的通讯工具时，呼叫中心就无法判断客户的身份，无法调用与该客户有关的数据信息，为客户提供优质服务。 

发明内容

本发明的目的在于克服现有技术中存在的缺陷，提供一种基于声纹识别的身份识别方法及系统。 

本发明公开一种基于声纹识别的身份识别方法，包括：步骤一、利用一网络接收来自于用户的语音；步骤二、判断该语音是否与一声纹库内存储的语音一致；如果判断结果为否，则将该语音存储于该声纹库，如果判断结果为是，则显示与该用户的语音相对应的用户身份信息。 

更进一步地，该步骤二中判断该语音是否与一声纹库内存储的语音一致进一步包括：步骤2.1、将该语音中的非语音声音去除；步骤2.2、将该去除非语音声音的语音分割为若干声音片段并将来自同一用户的语音聚类；步骤2.3、将该声音片段与该存储器的语音相比对，并根据一预设的参数输出一比对结果。该步骤二中判断该语音是否与一声纹库内存储的语音一致进一步包括：步骤2.3.1、分析所述声音片段，去掉所述声音片段中的信道因子带来的干扰，只保留所述声音片段中的说话人因子。该步骤二中判断该语音是否与一声纹库内存储的语音一致进一步包括：步骤2.4、根据该声音片段与该存储器的语音相比对的结果，调整该预设的参数。该声纹库至少包括与用户语音相对应的用户身份信息。 

本发明公开了一种基于声纹识别的电话销售中心客户身份识别方法，包含电话销售中心，声纹识别，逻辑判断、语音样本数据库。本发明将在客户通话语音接入到电话销售中心，并与客服人员建立通话后，系统在获取到客户语音样本后在语音标本数据库中进行比对，通过声纹特征检索语音样本信息后即可辨别客户的身份认证，便于客服人员进行特有客户信息判断。需要注册语音样本信息，通过声纹识别的模式，也便于特定行业电话销售中心识别客户真实性身份，有利于提高业务管理控制及行业监管。 

为了实现上述发明目的，本发明提供一种基于声纹识别的身份识别系统，包括：一声音输入端口，用于接收一来自于用户的语音并通过一网络发送该语音；一处理器，用于接收自该网络发送的该语音并判断该语音是否与位与一存储器的语音一致；如果判断结果为否，则将该语音存储于该存储器，如果判断结果为是，则显示与该用户的语音相对应的用户身份信息。 

更进一步地，该处理器包括：一语音检出模块，用于去掉该语音中的非语音声音；一语音分离模块，用于将该语音检出模块的输出声音分割为若干声音片段并将来自同一用户的语音聚类；一语音匹配模块，用于将该声音片段与该存储器的语音相比对，并根据一预设的参数输出一比对结果。该处理器还包括：一得分规则调整模块，用于根据该声音片段与该存储器的语音相比对的结果，调整该预设的参数。该处理器还包括：一语音参数提取模块，用于将该声音片段分为说话人因子和信道因子，并将去掉该信道因子的该声音片段与该存储器的语音相比对。该存储器包括一声纹库，该声纹库内至少包括与用户语音相对应的用户身份信息。 

与现有技术相比较，本发明所涉及的声纹识别技术特别针对电话呼叫中心进行优化，一方面采用了信道因子无关的特征提取技术，用以实现对电话信道中说话人的高识别正确率；另一方面，采用说话人分离聚类以及可变门限识别技术来对电话中的说话人进行快速识别，整体上实现了对用户身份的快速识别。 

附图说明

关于本发明的优点与精神可以通过以下的发明详述及所附图式得到进一步的了解。

图1是本发明所涉及的声纹识别的身份识别方法的识别流程图之一； 

图2是本发明所涉及的声纹识别的身份识别方法的识别流程图之二；

图3是本发明所涉及的声纹识别的身份识别系统的结构示意图。

具体实施方式

下面结合附图详细说明本发明的具体实施例。 

本发明首要的目的提供保险呼叫中心一种通过客户声纹特征来确认客户身份的方法，以及对客户呼叫进行分配的系统。本发明所提供的基于声纹识别的身份识别系统，包括：声音输入端口，用于接收一来自于用户的语音并通过一网络发送所述语音；处理器，用于接收自所述网络发送的所述语音并判断所述语音是否与位与一存储器的语音一致；如果判断结果为否，则将所述语音存储于所述存储器，如果判断结果为是，则显示与所述用户的语音相对应的用户身份信息。 

图1描述了发明中采用声纹识别对重要客户（来电人）进行判断和管理的流程图。如图 1所示，本发明所述方法包括：接入呼叫101；采用声纹比对方法103，将呼入客户的语音和声纹库107中的语音进行比对.如果比对结果为是，则通过呼入客户的声纹来判断呼入客户的声纹，如果比对结果为否，则根据用户接入呼叫的号码，用户自己提供的身份信息，将用户的声音及号码、身份信息一起进行声纹库注册108。在声纹库中缺乏用户信息的情况下，可以采用辅助判断102判断用户身份，即通过接入号码判断用户身份。该声纹识别对重点客户（来电人）可以进一步包括判断用户是否为重点用户104，若通过声纹判断该客户为重点客户，则将其呼叫接入重要客户的通话服务中106，若非重点客户，将其呼叫接入普通用户通话服务中105。如该客户为首次使用客户，则可将其语音通话向声纹库进行注册109，对该客户的声纹进行录入，用于以后该客户的声纹比对；声纹库本身支持声纹客户的更新和管理功能。 

图2描述为客户呼入语音后，进行声纹识别确定说话人身份的过程。其中，语音检出202的功能是去掉通话中出现的非语音部分，包括静音段、音乐声、振铃声、彩铃音、传真音等等，这些数据会严重影响声纹识别的效果和效率。本发明建立了完备的语音检出流程：具体包括能量四门限算法、基于规则的噪声判断算法及基于模型分类器判决的三个步骤针对不同的噪音类型进行检出，最终实现通话中纯语音片段的有效检出。 

其中，四门限算法是基于能量双门限，以及根据背景噪声计算E_Sil，并计算两个高低门限E_Low、E_High，寻找语音前端点和后端点的方法；基于规则的噪声判断算法是基于一帧能量，根据第一帧的能量计算出语音的有效信号，通过固定设置来区分语音信号和噪声信号；基于模型判决是基于GMM模型，当前产品使用的策略，采用Voting策略（设置分差门限，语音比例门限，如果某帧语音/非语音的分差大于分差门限，认为该帧为语音。 

语音分离203，语音分离203（也称说话人分割聚类）的任务是实现将语音检出模块所获得的各个语音片段进行分辨，将属于同一个说话人的语音片段聚类在一起，以便后续声纹识别模块基于同一个人的语音信息进行全面的声纹识别处理。它是说话人分割和说话人聚类的结合，前者从一段多人语音中找出话者身份发生改变的时间点，并依据这些变化点将语音切分成若干短语音段；后者则将属于同一个人的语音段归类在一起。按照分割和聚类的结合方式，说话人分割聚类系统可以分为两大类：先分割后聚类和分割聚类同时进行。前者结构简单，效率高，但是分割错误不能在聚类过程中得以修正，影响聚类效果，后者在每一步中都可以利用当前所有类别的数据信息，性能一般好于前者，但时间花销比前者大，本发明中采用分割聚类同时进行的方案。语音分离模块的具体流程，包括说话人变换点检测、说话人聚类、说话人模型训练及重新分割等处理过程，而说话人模型训练和重新分割一般需要重复多次，以保证最终语音分离的效果。 

语音参数提取204基于说话人识别技术中最先进的联合因子分析方法。在说话人识别系统中信道因素是影响系统性能最重要的因素，如果能够去除信道信息的影响无疑可以提高识别率。在因子分析理论中说话人的信息可以认为是由一种所谓的“说话人因子”构成，而信道(或者session)信息又是由一种“信道因子”构成，通过统计的方法估计出“说话人因子”和“信道因子”所在的空间，那么对于每段具体信道情况，可以将“信道因子”去除，从而只保留“说话人因子”，无疑可以使识别率大大提高。在声纹注册任务中，对当前注册语音具体估计出“说话人因子” 和“信道因子”

，其中

就是去除了信道干扰的说话人相关信息，而

所得到的均值超矢量就定义为当前注册语音所对应的声纹信息。 

声纹识别205，在声纹库中包含一数据表，属于同一身份的用户信息与该用户的声音信息一一对应。判断用户接入的语音与声纹库中的数据表的比对结果，根据一预设的参数值（即相似度）输入比对结果，获得声纹确认207。 

得分规整206，由于在声纹监控系统中，在训练说话人模型时，由于受注册语音长度，以及信道因素的影响，训练出来的模型的好坏上会有所不同，进而导致测试语音在不同模型上的得分不可比，而且每个目标人之间是不可比的，这样就会对系统带来一个缺点，那就是对不同的目标人返回的结果难以统一处理，且无法设定门限对输出的最为相似的前若干个结果进行一个直观的判断。因此，可以根据实际情况调整预设的参数值。 

本发明中声纹库208的维护管理流程。由于客户电话号码等账号信息是可变的，因而语音的身份确认是困难的，为此可以构建特定虚拟对象的声纹，后续可进行该对象的语音监控、检索。收集特定的对象的语音后，系统完成有效语音的提取、合并，也可以将包含对象通话的语音上传分离后，进行对象语音的标注。系统可以将对象和声纹进行注册，从而唯一性的确定某个人。在拥有同一目标人已有的历史语音数据基础上，还可以实现声纹自动注册，降低注册声纹制作的难度。 

在历史语音或者特定语音范围预先提取语音的特征，客户可选择一个或者多个声纹对象，并使用多种筛选条件（如电话号码的筛选和排除、线路的挑选等）指定语音围栏范围，进行特定对象语音的检索。系统将对象模型和历史上海量语音特征进行相似度计算，并完成最终得分的规整，将按照语音和声纹对象相似度的高低，返回可能的语音列表。用户可点击听音确认是否是对象，并可针对该语音进行备注、标识等。 

本发明所公开的声纹识别的身份识别系统的结构示意图如图3所示。该声纹识别的身份识别系统包括一网络302，处理器310以及存储器320。用户的接入信息301通过网络302传输至处理器310。处理器中包括语音检出模块311，用于去掉所述语音中的非语音声音；语音分离模块312，用于将所述语音检出模块的输出声音分割为若干声音片段并将来自同一用户的语音聚类；一语音参数提取模块313，用于将所述声音片段分为说话人因子和信道因子，并将去掉所述信道因子；语音匹配模块314，用于将所述声音片段与所述存储器320的语音相比对，并根据一预设的参数输出一比对结果。得分规则调整模块315，用于根据所述声音片段与所述存储器的语音相比对的结果，调整所述预设的参数。 

与现有技术相比较，本发明所提供的技术方案，能随着客户信息的不断收集和完善，一方面能够快速、准确确认客户的真实身份，提供特定应用场景的系统管控；另一方面为保护用户身份安全，增加一道安全门槛打下坚实的基础。 

本说明书中所述的只是本发明的较佳具体实施例，以上实施例仅用以说明本发明的技术方案而非对本发明的限制。凡本领域技术人员依本发明的构思通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在本发明的范围之内。 

  

Claims (8)

1.一种基于声纹识别的身份识别方法，其特征在于，包括：

步骤一、利用一网络接收来自于用户的语音；

步骤二、判断所述语音是否与一声纹库内存储的语音一致；如果判断结果为否，则将所述语音存储于所述声纹库，如果判断结果为是，则显示与所述用户的语音相对应的用户身份信息。

2. 如权利要求1所述的基于声纹识别的身份识别方法，其特征在于，所述步骤二中判断所述语音是否与一声纹库内存储的语音一致进一步包括：

步骤2.1、将所述语音中的非语音声音去除；

步骤2.2、将所述去除非语音声音的语音分割为若干声音片段并将来自同一用户的语音聚类；

步骤2.3、将所述声音片段与所述存储器的语音相比对，并根据一预设的参数输出一比对结果。

3.如权利要求2所述的基于声纹识别的身份识别方法，其特征在于，所述步骤二中判断所述语音是否与一声纹库内存储的语音一致进一步包括：

步骤2.3.1、分析所述声音片段，去掉所述声音片段中的信道因子带来的干扰，只保留所述声音片段中的说话人因子。

4.如权利要求2所述的基于声纹识别的身份识别方法，其特征在于，所述步骤二中判断所述语音是否与一声纹库内存储的语音一致进一步包括：

步骤2.4、根据所述声音片段与所述存储器的语音相比对的结果，调整所述预设的参数。

5. 如权利要求1所述的基于声纹识别的身份识别方法，其特征在于，所述声纹库至少包括与用户语音相对应的用户身份信息。

6.一种基于声纹识别的身份识别系统，其特征在于，包括：

一声音输入端口，用于接收一来自于用户的语音并通过一网络发送所述语音；

一处理器，用于接收自所述网络发送的所述语音并判断所述语音是否与位于一存储器的语音一致；如果判断结果为否，则将所述语音存储于所述存储器，如果判断结果为是，则显示与所述用户的语音相对应的用户身份信息。

7.如权利要求6所述的基于声纹识别的身份识别系统，其特征在于，所述处理器包括：

一语音检出模块，用于去掉所述语音中的非语音声音；

一语音分离模块，用于将所述语音检出模块的输出声音分割为若干声音片段并将来自同一用户的语音聚类；

一语音匹配模块，用于将所述声音片段与所述存储器的语音相比对，并根据一预设的参数输出一比对结果；

一得分规则调整模块，用于根据所述声音片段与所述存储器的语音相比对的结果，调整所述预设的参数；

    一语音参数提取模块，用于分析所述声音片段，去掉所述声音片段中的信道因子带来的干扰，只保留所述声音片段中的说话人因子。

8.如权利要求6所述的基于声纹识别的身份识别系统，其特征在于，所述存储器包括一声纹库，所述声纹库内至少包括与用户语音相对应的用户身份信息。

Images