CN112383879A - 一种手机应用报警系统及方法 - Google Patents

Abstract

本发明公开了一种手机应用报警系统及方法，该系统包括安全设置模块，与人脸识别模块、定位模块、账号管理模块、声纹解锁模块、应用报警模块连接，用于记录非授权使用次数和设置非授权使用次数阈值并将非授权使用信息发送至账号管理模块和应用报警模块。本发明的手机应用报警系统及方法通过人脸识别、轨迹判断、APP单元使用情况等信息，可在实现有效的路径轨迹模式进行匹配前提下加强了对手机的位置追踪及非授权使用报警效果，并能够通过应用报警模块及时保留上报丢失手机的位置及相关使用者的信息，大大提高了手机追踪及报警的时效性。

Description

一种手机应用报警系统及方法

技术领域

本发明属于智能手机领域，尤其涉及一种手机应用报警系统及方法。

背景技术

在移动互联网时代，手机是一个必不可少的设备，手机从最初的电话和短信功能发展为集娱乐、移动支付、移动办公、通讯服务于一体智能设备，手机中存储有大量个人隐私数据，在手机被盗后这些隐私数据存在被泄露的风险，但是目前还没有智能有效的手机追踪及应用报警系统及方法。

发明内容

针对目前还没有智能有效的手机追踪及应用报警系统及方法的问题，本发明提供了一种手机应用报警系统及方法。

本发明是这样实现的，一种手机应用报警方法包括：

步骤一、手机解锁后，人脸识别模块开启手机前置摄像头采集当前使用者的人脸头像，将该人脸头像与人脸识别模块内预设的人脸头像进行对比，若匹配度低于预设值则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

步骤二、安全设置模块将步骤一中记录的非授权登录信息发送至账号管理管模块，账号管理模块向具有支付功能的APP单元发送密码解锁APP指令；

步骤三、通过定位模块随机间隔获取当前手机的点位置信息，若获取的当前手机的点位置未在定位模块预设的路径轨迹上的数量大于预设值，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

步骤四、安全设置模块将步骤三中记录的非授权使用信息发送至账号管理管模块，账号管理模块向具有通信功能的APP单元发送密码解锁APP指令；

步骤五、通过定位模块间隔获取当前手机的位置信息，若当前手机位置路径超出定位模块预设的路径轨迹偏差范围，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

步骤六、安全设置模块将步骤五中记录的非授权使用信息发送至账号管理模块，账号管理模块通过声纹解锁模块向所有APP单元发送声纹特征匹配解锁APP指令，若声纹匹配失败，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

步骤七、通过账号管理模块读取手机解锁后各APP单元使用频次，将获取的各APP单元使用频次与定位模块预设的路径轨迹模式进行匹配，若当前各APP单元使用频次与定位模块预设的路径轨迹模式匹配度低于预设值，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

步骤八、安全设置模块中记录的非授权使用次数达到阈值后，安全设置模块将非授权使用信息发送至应用报警模块，应用报警模块开启手机前置摄像头、后置摄像头、通信录音模块将手机位置信息、拍摄的图片及录音实时上传至手机云端平台(该平台可使用手机自带的云端系统)并通过短信提醒模块向预留手机发送警报信息。

进一步，若非授权次数达到阈值前，有一次人脸识别匹配成功，则安全设置模块将非授权使用次数归零，等待下一次有非授权解锁行为时，再次开始计数。

进一步，非授权次数达到阈值后，安全设置模块将手机锁屏并设置为只能通过人脸识别解锁。

进一步，定位模块通过对工作日及周末节假日不同时间段的手机位置信息记录，在定位模块内预设工作路径轨迹、生活路径轨迹、出行路径轨迹三种路径轨迹模式，并将不同路径轨迹模式与不同APP单元使用频次匹配。

进一步，人脸识别的过程包括：

步骤一、人脸检测定位：检测照片中是否有人脸及人脸的位置，并提取人脸信息；

步骤二、图像预处理：对人脸图像进行图像平滑、几何归一化和灰度归一化，使人脸图像统一到同样像素的大小；

步骤三、特征提取：针对不同的人脸，用多项式核函数进行矩阵变换获取特征子空间，提取出各自的特征向量，并将特征向量与用户ID关联起来存储在人脸识别模块；

步骤四、人脸识别解锁时，提取待识别图像中人脸的特征向量，计算该特征向量和人脸识别模块中人脸的平均特征向量之间的欧氏距离，如果两者的欧氏距离小于预设阈值，则允许对手机解锁。

进一步，人脸识别模块提取人脸图像特征向量具体步骤为：

步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：

其中，x_i∈样本训练集X＝(x₁，x₂，…，x_N)；

步骤二、求出散布矩阵S：

求出散布矩阵的特征值λi和对应的特征向量ei，其中，ei是主分量，将特征值从大到小依次排列λ1，λ2，…；

假设取出p个值，λ1，λ2，…，λp确定出脸空间E＝(e1，e2，…，ep)，在此脸空间上，训练样本X中，每个元素投影到该空间的点由下式得到：

x'_i＝E^tx_i，t＝1，2，…，N；

由上式得到将原向量经过PCA降维后的p维向量。

进一步，声纹特征匹配方法如下：

步骤一、把原始语音信号转化成数字信号，使用一阶高通滤波器去除语音信号中多余的噪声，消除直流漂移，通过加重处理保留对特征参数有用的语音信号；

步骤二、语音信号的处理，取256个点作为一个32ms音框，对每个音框乘以汉明窗，消除音框两端的不连续性，采用低通滤波器去除噪声；

步骤三、采用基于似然概率的的加权投票法，根据不同语音帧与概率模型之间的似然概率取值，对每一帧语音进行加权；

步骤四、把不同的声音片段映射到多维的特征空间，表征说话人个性特征的向量序列，构建不同的语音信息数据库；

步骤五、采用RBM对DNN网络参数初始化，采用带有标签的训练数据对DNN网络进行监督的参数更新，在DNN训练中采用误差反向传递算法巧进行参数训练；

步骤六、在基于GMM的特征端因子分析中采用DNN替代GMM模型划分音素特征子空间，实现在每个子空间内对特征进行降维；

步骤七、对每个子空间内降维后的特征端因子与表征说话人个性特征的向量序列分别进行匹配。

本发明的另一目的在于提供一种手机应用报警系统，包括：

安全设置模块，与人脸识别模块、定位模块、账号管理模块、声纹解锁模块、应用报警模块连接，用于记录非授权使用次数和设置非授权使用次数阈值并将非授权使用信息发送至账号管理模块和应用报警模块；

人脸识别模块，用于提取人脸信息，对人脸图像进行图像平滑、几何归一化和灰度归一化，提取人脸特征向量，将特征向量与用户ID关联存储，通过计算特征向量和预存储的人脸平均特征向量之间的欧氏距离进行人脸识别；

定位模块，用于读取手机位置信息，对手机进行点位置和路径轨迹检测，并将不同路径轨迹模式与不同APP单元使用频次匹配；

账号管理模块，用于向不同APP单元发送安全指令信息并读取各APP单元的使用信息；

APP单元，用于执行账号管理模块发来的安全指令信息并将APP使用信息上传给账号管理模块；

通信录音模块，用于接收应用报警模块的指令信息进行通讯录音并将通讯录音信息上传给应用报警模块；

声纹解锁模块，用于提取语音声纹并将提取的语音声纹特征与预存的语音数据信息进行匹配；

应用报警模块，用于接收并安全设置模块的报警指令，将收到的报警信息上传至手机云端平台。

进一步，声纹解锁模块包括：

声音采集及预处理模块，与语音声纹提取模块连接，用于对原始信号采样量化，把原始语音信号转化成数字信号，对转换成数字信号后的语音信号进行预加重、取音框、加窗、去噪；

语音声纹提取模块，与声纹匹配识别模块连接，用于利用语音识别中的声学模型深度神经网络分别对不同音素上的语音特征进行分类，在每个音素子空间内实现对特征降维，提取出说话人信息并用于提取DNN i-vector；

物联网语音提取模块，与声音采集及预处理模块连接，用于在物联网客户端提取使用者的原始声音信号，并在待降噪音频信号中搜索能量偏离最大的音频信号段，将其作为噪声段，进行频谱分析得到频域特征，作为噪声特征，将待降噪音频信号与噪声特征进行频谱比较，根据频谱比较结果对所述待降噪音频信号进行频谱增益处理；

声纹匹配识别模块，用于将提取的语音声纹特征与预存在声纹解锁模块中的语音数据信息进行匹配。

本发明的手机应用报警系统及方法通过人脸识别、轨迹判断、APP单元使用情况等信息，可在实现有效的路径轨迹模式进行匹配前提下加强了对手机的位置追踪及非授权使用报警效果，并能够通过应用报警模块及时保留上报丢失手机的位置及相关使用者的信息，大大提高了手机追踪及报警的时效性。

附图说明

图1是本发明实施例提供的手机应用报警方法流程图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

一种手机应用报警系统，包括：

安全设置模块，与人脸识别模块、定位模块、账号管理模块、声纹解锁模块、应用报警模块连接，用于记录非授权使用次数和设置非授权使用次数阈值并将非授权使用信息发送至账号管理模块和应用报警模块；

人脸识别模块，用于提取人脸信息，对人脸图像进行图像平滑、几何归一化和灰度归一化，提取人脸特征向量，将特征向量与用户ID关联存储，通过计算特征向量和预存储的人脸平均特征向量之间的欧氏距离进行人脸识别；

定位模块，用于读取手机位置信息，对手机进行点位置和路径轨迹检测，并将不同路径轨迹模式与不同APP单元使用频次匹配；

账号管理模块，用于向不同APP单元发送安全指令信息并读取各APP单元的使用信息；

APP单元，用于执行账号管理模块发来的安全指令信息并将APP使用信息上传给账号管理模块；

通信录音模块，用于接收应用报警模块的指令信息进行通讯录音并将通讯录音信息上传给应用报警模块；

声纹解锁模块，用于提取语音声纹并将提取的语音声纹特征与预存的语音数据信息进行匹配；

应用报警模块，用于接收并安全设置模块的报警指令，将收到的报警信息上传至手机云端平台及WEB手机防盗云管理模块。

声纹解锁模块包括：

声音采集及预处理模块，与语音声纹提取模块连接，用于对原始信号采样量化，把原始语音信号转化成数字信号，对转换成数字信号后的语音信号进行预加重、取音框、加窗、去噪；

语音声纹提取模块，与声纹匹配识别模块连接，用于利用语音识别中的声学模型深度神经网络分别对不同音素上的语音特征进行分类，在每个音素子空间内实现对特征降维，提取出说话人信息并用于提取DNN i-vector；

物联网语音提取模块，与声音采集及预处理模块连接，用于在物联网客户端提取使用者的原始声音信号，并在待降噪音频信号中搜索能量偏离最大的音频信号段，将其作为噪声段，进行频谱分析得到频域特征，作为噪声特征，将待降噪音频信号与噪声特征进行频谱比较，根据频谱比较结果对所述待降噪音频信号进行频谱增益处理；

声纹匹配识别模块，用于将提取的语音声纹特征与预存在声纹解锁模块中的语音数据信息进行匹配。

一种手机应用报警方法，包括：

S101、手机解锁后，人脸识别模块开启手机前置摄像头采集当前使用者的人脸头像，将该人脸头像与人脸识别模块内预设的人脸头像进行对比，若匹配度低于预设值则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

人脸识别的过程主要包括：

步骤一、人脸检测定位：利用OpenCV库检测照片中是否有人脸及人脸的位置，并将含有人脸主要信息的部分提取出来，作为下一步处理的数据；

步骤二、图像预处理：对人脸图像进行图像平滑、几何归一化和灰度归一化，使人脸图像统一到同样像素的大小，并减少背景、光照等对识别效果的影响；

步骤三、特征提取：针对不同的人脸，用多项式核函数进行矩阵变换获取特征子空间，然后提取出各自的特征向量，并将其与用户ID关联起来存储在数据库中；

步骤四、在解锁的时候，提取待识别图像中人脸的特征向量，计算其和数据库中人脸的平均特征向量之间的欧氏距离，如果两者的欧氏距离小于预设阈值，则允许对手机解锁。

S102、安全设置模块将步骤S101中记录的非授权登录信息发送至账号管理管模块，账号管理模块向具有支付功能的APP单元发送密码解锁APP指令；

账号管理模块通过在手机上开启一个后台Service，检测使用者打开的程序，如果打开的程序具有支付功能、具有通信(语音、视频)功能，就弹出一个让使用者输入解锁密码的窗口，解锁后该程序才能正常使用；

S103、通过定位模块随机间隔获取当前手机的点位置信息，若获取的当前手机的点位置未在定位模块预设的路径轨迹上的数量大于预设值，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

定位模块开启定位追踪监控，系统将按照设定时间间隔将手机所在的GPS信息定期上传至服务器，查看手机当前具体位置；

手机定位功能的实现主要是通过GPSListener这个类实现。GPSListener类中包括子类Listener和upLocation以及一些相关的功能实现方法。其中各个类的实现功能如下：

Listener类:该类继承了LocationListener的接口，实现了监听GPS状态的功能。当GPS功能被关闭的时候，触发onProviderDisabled方法，将GPS功能开启。当定位信息发生改变的时候，触发onLocation-Changed方法，此时将实例化upLocation类的对象，将定位信息上传到服务器。upLocation类:该类继承了Thread类，可以实现将定位到的信息以线程的形式上传到服务器。

S104、安全设置模块将步骤S103中记录的非授权使用信息发送至账号管理管模块，账号管理模块向具有通信功能的APP单元发送密码解锁APP指令；

S105、通过定位模块间隔获取当前手机的位置信息，若当前手机位置路径超出定位模块预设的路径轨迹偏差范围，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

S106、安全设置模块将步骤S105中记录的非授权使用信息发送至账号管理模块，账号管理模块通过声纹解锁模块向所有APP单元发送声纹特征匹配解锁APP指令，若声纹匹配失败，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

S107、通过账号管理模块读取手机解锁后各APP单元使用频次，将获取的各APP单元使用频次与定位模块预设的路径轨迹模式进行匹配，若当前各APP单元使用频次与定位模块预设的路径轨迹模式匹配度低于预设值，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

S108、安全设置模块中记录的非授权使用次数达到阈值后，安全设置模块将非授权使用信息发送至应用报警模块，应用报警模块开启手机前置摄像头、后置摄像头、通信录音模块将手机位置信息、拍摄的图片及录音实时上传至手机云端平台及WEB手机防盗云管理模块并通过短信提醒模块向预留手机发送警报信息并向合作的报警平台报警。

本发明的系统需要实现的功能能在AndroidAPI的基础上实现。即时通讯模块通过XMPP协议建立手机端和服务器、WEB端之间的连接，采用开源的openfire来建立及时通讯服务器，人脸识别解锁模块所用到的技术已经比较成熟。

在本发明中采用MySQL作为后台数据库存储用户信息、GPS定位记录、人脸特征向量等信息。

WEB手机防盗云管理模块在C/S模式的基础上，增加B/S模式，当手机丢失的时候，安全号码手机不能及时控制被盗手机时，通过WEB来进行远程控制，能是我们尽早锁定手机。

WEB手机防盗云管理模块主要是用Jsp、Servlet、Bean和Smack实现的，其中Jsp用来显示网页，Servlet用来进行做一些处理工作，Bean用来处理数据，Smack用来和openfire服务器建立连接、发送和接收消息。

本发明实施例中，若非授权次数达到阈值前，有一次人脸识别匹配成功，则安全设置模块将非授权使用次数归零，等待下一次有非授权解锁行为时，再次开始计数。非授权次数达到阈值后，安全设置模块将手机锁屏并设置为只能通过人脸识别解锁。

本发明实施例中，定位模块通过对工作日及周末节假日不同时间段的手机位置信息记录，在定位模块内预设工作路径轨迹、生活路径轨迹、出行路径轨迹三种路径轨迹模式，并将不同路径轨迹模式与不同APP单元使用频次匹配，例如，有些公司使用钉钉软件办公，则可以在工作路径轨迹模式中匹配上钉钉软件的使用地点、时间等。

本发明实施例中，人脸识别模块提取人脸图像特征向量具体步骤为：

步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：

其中，x_i∈样本训练集X＝(x₁，x₂，…，x_N)；

步骤二、求出散布矩阵S：

求出散布矩阵的特征值λi和对应的特征向量ei，其中，ei是主分量，将特征值从大到小依次排列λ1，λ2，…；

假设取出p个值，λ1，λ2，…，λp确定出脸空间E＝(e1，e2，…，ep)，在此脸空间上，训练样本X中，每个元素投影到该空间的点由下式得到：

x'_i＝E^tx_i，t＝1，2，…，N；

由上式得到将原向量经过PCA降维后的p维向量。

本发明实施例中，声纹特征匹配方法如下：

步骤一、把原始语音信号转化成数字信号，使用一阶高通滤波器去除语音信号中多余的噪声，消除直流漂移，通过加重处理保留对特征参数有用的语音信号；

步骤二、语音信号的处理，取256个点作为一个32ms音框，对每个音框乘以汉明窗，消除音框两端的不连续性，采用低通滤波器去除噪声；

步骤三、采用基于似然概率的的加权投票法，根据不同语音帧与概率模型之间的似然概率取值，对每一帧语音进行加权；

基于似然概率的加权投票法是针对识别算法中的语音帧似然概率融合提出的。语音帧的似然概率融合是识别算法中的重要一环，在识别算法中，声纹识别的主要的工作可分为两个阶段：训练阶段和识别阶段。训练阶段主要是根据每个说话人类别训练的特征样本估计出它的概率模型的参数。本实施例选择的是经典的高斯混合模型来作为概率模型，构建说话人概率模型的算法本质其实就是估计高斯混合模型的参数。在基于高斯混合模型的识别算法过程中，提取到语音帧基于梅尔倒谱系数的特征后，采用训练阶段建立的概率模型对其进行分类；

步骤四、把不同的声音片段映射到多维的特征空间，表征说话人个性特征的向量序列，构建不同的语音信息数据库；

步骤五、采用RBM对DNN网络参数初始化，采用带有标签的训练数据对DNN网络进行监督的参数更新，在DNN训练中采用误差反向传递算法巧进行参数训练；

DNN参数训练一般分成两个步骤：参数初始化和参数更新。前者负责对网络参数进行初始化，后者负责进一步对网络参数进行迭代更新。

在RBM-DBN模型中，DBN可看作是由多个RBM模型拼接在一起形成的。在训练时，DBN每一层之间作为一个RBM模型，进行从下向上逐层训练。底部RBM输入数据为原始语音特征，而上层RBM输入为前一层RBM的输出，每次只更新当前所处RBM层的参数。RBM是一个无监瞥的学习过程，因此DBN中不包含输出层。DBN是一种生成型概率模型，是由一系列RBM网络逐层训练得到。

步骤六、在基于GMM的特征端因子分析中采用DNN替代GMM模型划分音素特征子空间，实现在每个子空间内对特征进行降维；

步骤七、对每个子空间内降维后的特征端因子与表征说话人个性特征的向量序列分别进行匹配。

本发明的手机应用报警系统及方法通过人脸识别、轨迹判断、APP单元使用情况等信息，可在实现有效的路径轨迹模式进行匹配前提下加强了对手机的位置追踪及非授权使用报警效果，并能够通过应用报警模块及时保留上报丢失手机的位置及相关使用者的信息，大大提高了手机追踪及报警的时效性。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (9)

1.一种手机应用报警方法，其特征在于，该方法包括：

步骤一、手机解锁后，人脸识别模块开启手机前置摄像头采集当前使用者的人脸头像，将该人脸头像与人脸识别模块内预设的人脸头像进行对比，若匹配度低于预设值则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

步骤二、安全设置模块将步骤一中记录的非授权登录信息发送至账号管理管模块，账号管理模块向具有支付功能的APP单元发送密码解锁APP指令；

步骤三、通过定位模块随机间隔获取当前手机的点位置信息，若获取的当前手机的点位置未在定位模块预设的路径轨迹上的数量大于预设值，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

步骤四、安全设置模块将步骤三中记录的非授权使用信息发送至账号管理管模块，账号管理模块向具有通信功能的APP单元发送密码解锁APP指令；

步骤五、通过定位模块间隔获取当前手机的位置信息，若当前手机位置路径超出定位模块预设的路径轨迹偏差范围，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

步骤六、安全设置模块将步骤五中记录的非授权使用信息发送至账号管理模块，账号管理模块通过声纹解锁模块向所有APP单元发送声纹特征匹配解锁APP指令，若声纹匹配失败，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

步骤七、通过账号管理模块读取手机解锁后各APP单元使用频次，将获取的各APP单元使用频次与定位模块预设的路径轨迹模式进行匹配，若当前各APP单元使用频次与定位模块预设的路径轨迹模式匹配度低于预设值，则判断当前手机的使用者为未授权使用者并在安全设置模块中记录一次非授权使用；

步骤八、安全设置模块中记录的非授权使用次数达到阈值后，安全设置模块将非授权使用信息发送至应用报警模块，应用报警模块开启手机前置摄像头、后置摄像头、通信录音模块将手机位置信息、拍摄的图片及录音实时上传至手机云端平台并通过短信提醒模块向预留手机发送警报信息。

2.如权利要求1所述手机应用报警方法，其特征在于，若非授权次数达到阈值前，有一次人脸识别匹配成功，则安全设置模块将非授权使用次数归零，等待下一次有非授权解锁行为时，再次开始计数。

3.如权利要求1所述手机应用报警方法，其特征在于，非授权次数达到阈值后，安全设置模块将手机锁屏并设置为只能通过人脸识别解锁。

4.如权利要求1所述手机应用报警方法，其特征在于，定位模块通过对工作日及周末节假日不同时间段的手机位置信息记录，在定位模块内预设工作路径轨迹、生活路径轨迹、出行路径轨迹三种路径轨迹模式，并将不同路径轨迹模式与不同APP单元使用频次匹配。

5.如权利要求1所述手机应用报警方法，其特征在于，人脸识别的过程包括：

步骤一、人脸检测定位：检测照片中是否有人脸及人脸的位置，并提取人脸信息；

步骤二、图像预处理：对人脸图像进行图像平滑、几何归一化和灰度归一化，使人脸图像统一到同样像素的大小；

步骤三、特征提取：针对不同的人脸，用多项式核函数进行矩阵变换获取特征子空间，提取出各自的特征向量，并将特征向量与用户ID关联起来存储在人脸识别模块；

步骤四、人脸识别解锁时，提取待识别图像中人脸的特征向量，计算该特征向量和人脸识别模块中人脸的平均特征向量之间的欧氏距离，如果两者的欧氏距离小于预设阈值，则允许对手机解锁。

6.如权利要求5所述手机应用报警方法，其特征在于，人脸识别模块提取人脸图像特征向量具体步骤为：

步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：

其中，x_i∈样本训练集X＝(x₁，x₂，…，x_N)；

步骤二、求出散布矩阵S：

求出散布矩阵的特征值λi和对应的特征向量ei，其中，ei是主分量，将特征值从大到小依次排列λ1，λ2，…；

假设取出p个值，λ1，λ2，…，λp确定出脸空间E＝(e1，e2，…，ep)，在此脸空间上，训练样本X中，每个元素投影到该空间的点由下式得到：

x'_i＝E^tx_i，t＝1，2，…，N；

由上式得到将原向量经过PCA降维后的p维向量。

7.如权利要求1所述手机应用报警方法，其特征在于，声纹特征匹配方法如下：

步骤一、把原始语音信号转化成数字信号，使用一阶高通滤波器去除语音信号中多余的噪声，消除直流漂移，通过加重处理保留对特征参数有用的语音信号；

步骤二、语音信号的处理，取256个点作为一个32ms音框，对每个音框乘以汉明窗，消除音框两端的不连续性，采用低通滤波器去除噪声；

步骤三、采用基于似然概率的的加权投票法，根据不同语音帧与概率模型之间的似然概率取值，对每一帧语音进行加权；

步骤四、把不同的声音片段映射到多维的特征空间，表征说话人个性特征的向量序列，构建不同的语音信息数据库；

步骤五、采用RBM对DNN网络参数初始化，采用带有标签的训练数据对DNN网络进行监督的参数更新，在DNN训练中采用误差反向传递算法巧进行参数训练；

步骤六、在基于GMM的特征端因子分析中采用DNN替代GMM模型划分音素特征子空间，实现在每个子空间内对特征进行降维；

步骤七、对每个子空间内降维后的特征端因子与表征说话人个性特征的向量序列分别进行匹配。

8.一种手机应用报警系统，其特征在于，包括：

安全设置模块，与人脸识别模块、定位模块、账号管理模块、声纹解锁模块、应用报警模块连接，用于记录非授权使用次数和设置非授权使用次数阈值并将非授权使用信息发送至账号管理模块和应用报警模块；

人脸识别模块，用于提取人脸信息，对人脸图像进行图像平滑、几何归一化和灰度归一化，提取人脸特征向量，将特征向量与用户ID关联存储，通过计算特征向量和预存储的人脸平均特征向量之间的欧氏距离进行人脸识别；

定位模块，用于读取手机位置信息，对手机进行点位置和路径轨迹检测，并将不同路径轨迹模式与不同APP单元使用频次匹配；

账号管理模块，用于向不同APP单元发送安全指令信息并读取各APP单元的使用信息；

APP单元，用于执行账号管理模块发来的安全指令信息并将APP使用信息上传给账号管理模块；

通信录音模块，用于接收应用报警模块的指令信息进行通讯录音并将通讯录音信息上传给应用报警模块；

声纹解锁模块，用于提取语音声纹并将提取的语音声纹特征与预存的语音数据信息进行匹配；

应用报警模块，用于接收并安全设置模块的报警指令，将收到的报警信息上传至手机云端平台。

9.如权利要求8所述手机应用报警系统，其特征在于，声纹解锁模块包括：

声音采集及预处理模块，与语音声纹提取模块连接，用于对原始信号采样量化，把原始语音信号转化成数字信号，对转换成数字信号后的语音信号进行预加重、取音框、加窗、去噪；

语音声纹提取模块，与声纹匹配识别模块连接，用于利用语音识别中的声学模型深度神经网络分别对不同音素上的语音特征进行分类，在每个音素子空间内实现对特征降维，提取出说话人信息并用于提取DNNi-vector；

物联网语音提取模块，与声音采集及预处理模块连接，用于在物联网客户端提取使用者的原始声音信号，并在待降噪音频信号中搜索能量偏离最大的音频信号段，将其作为噪声段，进行频谱分析得到频域特征，作为噪声特征，将待降噪音频信号与噪声特征进行频谱比较，根据频谱比较结果对所述待降噪音频信号进行频谱增益处理；

声纹匹配识别模块，用于将提取的语音声纹特征与预存在声纹解锁模块中的语音数据信息进行匹配。

Images