CN113726941A - 基于人工智能的骚扰电话监控方法、装置、设备及介质 - Google Patents

基于人工智能的骚扰电话监控方法、装置、设备及介质 Download PDF

Info

Publication number
CN113726941A
CN113726941A CN202111007251.9A CN202111007251A CN113726941A CN 113726941 A CN113726941 A CN 113726941A CN 202111007251 A CN202111007251 A CN 202111007251A CN 113726941 A CN113726941 A CN 113726941A
Authority
CN
China
Prior art keywords
voiceprint
incoming call
library
matching
artificial intelligence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111007251.9A
Other languages
English (en)
Inventor
李志伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Puhui Enterprise Management Co Ltd
Original Assignee
Ping An Puhui Enterprise Management Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Puhui Enterprise Management Co Ltd filed Critical Ping An Puhui Enterprise Management Co Ltd
Priority to CN202111007251.9A priority Critical patent/CN113726941A/zh
Publication of CN113726941A publication Critical patent/CN113726941A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/66—Substation equipment, e.g. for use by subscribers with means for preventing unauthorised or fraudulent calling
    • H04M1/663—Preventing unauthorised calls to a telephone set
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/06—Decision making techniques; Pattern matching strategies
    • G10L17/08—Use of distortion metrics or a particular distance between probe pattern and reference templates
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • H04M1/7243—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages
    • H04M1/72433—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages for voice messaging, e.g. dictaphones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72484—User interfaces specially adapted for cordless or mobile telephones wherein functions are triggered by incoming communication events
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2250/00—Details of telephonic subscriber devices
    • H04M2250/74—Details of telephonic subscriber devices with voice recognition means

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明涉及人工智能及数字医疗技术，揭露了一种基于人工智能的骚扰电话监控方法，包括：当接收到来电时，判断来电的号码是否在黑名单号码库内；若在，则拦截所述来电；否则，连通所述来电，提取所述来电产生的语音数据的声纹向量；利用预构建的所有声纹特征模型逐一对所述声纹向量打分，得到匹配分值集合；若匹配分值集合中最大的分值大于预设阈值，拦截所述来电，否则，将来电输出给用户。此外，本发明还涉及区块链技术，黑名单号码可存储于区块链的节点。本发明还提出一种基于人工智能的骚扰电话监控装置、电子设备以及存储介质。本发明可以解决骚扰电话识别精确度较低的问题。

Description

基于人工智能的骚扰电话监控方法、装置、设备及介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的骚扰电话监控方法、装置、电子设备及计算机可读存储介质。
背景技术
互联网时代的个人信息泄露情况严重，这使当前骚扰电话数量越来越多，广大用户深受其害。
用户并不能准确的在排除骚扰电话的情况下选择接听陌生来电，只能被动的在接到语音并进行简单沟通后，判断是否是骚扰电话和推销语音后，再进行挂断，使用户不胜其烦。
如今个人手机拦截骚扰电话主要的方法是在手机上的设置黑名单，但只能防止已接听过判断为骚扰电话的号码，对于陌生号码并不能进行准确拦截，因此，骚扰电话的识别精确度较低。
发明内容
本发明提供一种基于人工智能的骚扰电话监控方法、装置及计算机可读存储介质，其主要目的在于解决骚扰电话识别精确度较低的问题。
为实现上述目的，本发明提供的一种基于人工智能的骚扰电话监控方法，包括：
在监听到来电时，获取所述来电的号码，判断所述号码是否在预设的黑名单号码库内；
若所述号码在所述黑名单号码库内，则拦截所述来电；
若所述号码不在所述黑名单号码库内，则连通所述来电，获取所述来电的呼出方产生的语音数据，提取所述语音数据的声纹向量；
利用预构建的声纹模型库中的所有声纹特征模型逐一与所述声纹向量进行相似度匹配，得到每一个声纹特征模型对所述声纹向量匹配得到的匹配分值，汇总所有所述匹配分值，得到匹配分值集合；
判断所述匹配分值集合中最大的分值是否大于预设阈值；
若所述匹配分值中最大的分值大于所述预设阈值，则拦截所述来电；
若所述匹配分值中最大的分值小于或等于所述预设阈值，将所述来电输出给对应的呼入方。
可选地，所述判断所述号码是否在预设的黑名单号码库内，包括：
构建所述黑名单号码库的索引；
将所述号码在所述索引中进行检索，得到检索结果；
判断所述检索结果是否为空值；
当所述检索结果为空值时，确定所述号码不在所述黑名单号码库中；
当所述检索结果不为空值时，确定所述号码在所述黑名单号码库中。
可选地，所述拦截所述来电之后，所述方法还包括：
将所述来电的号码添加到所述黑名单号码库中。
可选地，所述若所述匹配分值中最大的分值大于所述预设阈值，则拦截所述来电之后，所述方法还包括：
将所述语音数据转换为语音文本；
将所述语音文本及所述来电的号码对应储存在预构建的语音文本库中；
在接收到用户查看被拦截的来电的指令时，将所述语音文本库中存储的语音文本及对应的来电的号码发送给所述用户；
接收到用户输入的确定所述来电的号码为可信号码的指令时，将所述来电的号码从所述黑名单号码库中移除。
可选地，所述提取所述语音数据的声纹向量，包括：
将所述语音数据中的声音信号转化为数字信号；
对所述数字信号进行向量转换，得到所述语音数据对应的声纹向量。
可选地，所述对所述数字信号进行向量转换，得到所述语音数据对应的声纹向量，包括：
对所述数字信号进行预加重、分帧和加窗处理，得到频域能量；
对所述频域能量进行快速傅里叶变换，得到频谱；
利用预设的三角带通滤波器对所述频谱进行计算，得到对数能量；
对所述对数能量进行离散余弦变换，得到梅尔频率倒谱系数；
根据所述梅尔频率倒谱系数进行差分计算，得到动态差分参数，并确定所述动态差分参数为声纹向量。
可选地，所述利用预构建的声纹模型库中的所有声纹特征模型逐一对所述声纹向量进行打分，得到每一个声纹特征模型对所述声纹向量打分得到的匹配分值，包括：
从所述声纹模型库中逐一选取其中一个声纹模型为目标模型；
利用所述目标模型对所述声纹向量进行卷积、池化以及全连接操作，得到全连接向量；
利用激活函数对所述全连接向量进行计算，得到所述声纹向量的匹配分值。
为了解决上述问题，本发明还提供一种基于人工智能的骚扰电话监控装置，所述装置包括：
号码黑名单判断模块，用于在监听到来电时，若所述号码在预设的黑名单号码库内时，拦截所述来电；
来电连通模块，用于在所述号码不在所述黑名单号码库内时，则连通所述来电，获取所述来电的呼出方产生的语音数据；
语音声纹判断模块，用于提取所述语音数据的声纹向量，利用预构建的声纹模型库中的所有声纹特征模型逐一与所述声纹向量进行打分，得到每一个声纹特征模型对所述声纹向量进行相似度匹配得到的匹配分值，汇总所有所述匹配分值，得到匹配分值集合，若所述匹配分值集合中最大的分值大于预设阈值，则拦截所述来电；
来电输出模块，用于在所述匹配分值中最大的分值小于或等于所述预设阈值时，将所述来电输出给对应的呼入方。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于人工智能的骚扰电话监控方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于人工智能的骚扰电话监控方法。
本发明实施例首先通过黑名单号码库对来电号码进行第一层防骚扰电话过滤，通过声纹模型库对与来电之间产生的语音数据进行声纹识别，达到第二层防骚扰电话过滤，因此对于骚扰电话的监控精确性更高。因此，本发明提出的基于人工智能的防骚扰电话方法、装置、电子设备及计算机可读存储介质，可以解决传统方法骚扰电话识别精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于人工智能的骚扰电话监控方法的流程示意图；
图2为本发明一实施例提供的判断号码是否在黑名单号码库的流程示意图；
图3为本发明一实施例提供的得到对声纹向量发分的匹配分值的流程示意图；
图4为本发明一实施例提供的基于人工智能的骚扰电话监控装置的功能模块图；
图5为本发明一实施例提供的实现所述基于人工智能的骚扰电话监控方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于人工智能的骚扰电话监控方法。所述基于人工智能的骚扰电话监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于人工智能的骚扰电话监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于人工智能的骚扰电话监控方法的流程示意图。在本实施例中，所述基于人工智能的骚扰电话监控方法包括：
S1、在监听到来电时，获取所述来电的号码，判断所述号码是否在预设的黑名单号码库内；
本发明实施例中，预先建立有黑名单号码库，所述黑名单号码库存储有骚扰号码和骚扰号码的相关信息。其中，所述骚扰号码包括以下一种或多种：云服务器、区块链、网络缓存等存储的骚扰号码、第三方导入的骚扰号码、被叫用户上报的骚扰号码(被叫终端用户可以将不想接听的号码作为骚扰号码上报给系统)、分析软件分析得出的骚扰号码等。
详细地，参阅图2所示，所述判断所述号码是否在预构建的黑名单号码库内，包括；
S11、构建所述黑名单号码库的索引；
S12、将所述号码在所述索引中进行检索，得到检索结果；
S13、判断所述检索结果是否为空值；
当所述检索结果为空值时，则执行S14、确定所述号码不在所述黑名单号码库中；
当所述检索结果不为空值时，则执行S15、确定所述号码在所述黑名单号码库中。
若所述号码在所述黑名单号码库内，则执行S2、拦截所述来电；
本发明实施例中，通过在黑名单号码库中对来电号码进行检索，可以实现根据号码对骚扰电话进行第一层拦截，有利于提高对骚扰电话进行拦截的效率。
本发明实施例中，若检索到所述号码在黑名单号码库中，则说明该号码对应的语言信息为骚扰信息，将来电挂断，无需打扰用户进行接听。
本发明其中一个实施例中，当拦截所述来电以后，还可以包括：将所述来电的号码添加到所述黑名单号码库中。若所述号码不在所述黑名单号码库内，则执行S3、则连通所述来电，获取所述来电的呼出方产生的语音数据，提取所述语音数据的声纹向量；
详细地，所述提取所述语音数据的声纹向量，包括：
将所述语音数据中的声音信号转化为数字信号；
对所述数字信号进行向量转换，得到所述语音数据对应的声纹向量。
本发明实施例中，可通过采样、量化和编码等步骤将所述语音数据中的声音信号转化为数字信号。
详细地，所述采样是指在特定时刻获取的声音信号幅值；通过采样可以把时间连续的模拟信号(语音数据)转化为时间离散、幅度连续的离散信号。
本发明其中一个实施例中，可按照固定的时间间隔为采样周期对所述语言信息进行采样。在量化步骤中，把在幅度上连续取值的每一个样本转换为离散值表示。
进一步地，所述对所述数字信号进行向量转换，得到所述语音数据对应的声纹向量，包括：
对所述数字信号进行预加重、分帧和加窗处理，得到频域能量；
对所述频域能量进行快速傅里叶变换，得到频谱；
利用预设的三角带通滤波器对所述频谱进行计算，得到对数能量；
对所述对数能量进行离散余弦变换，得到梅尔频率倒谱系数；
根据所述梅尔频率倒谱系数进行差分计算，得到动态差分参数，并确定所述动态差分参数为声纹向量。
本发明实施例中，所述预加重是指将数字信号通过一个高通滤波器，提升高频部分，使信号的频谱变得平坦并保持在低频到高频的整个频带中。所述分帧是以预设的单位时间内采集的数据为一帧对数字信号中对数据进行划分。所述加窗是将每一帧数字信号乘以汉明窗，可以增加一帧左端和右端的连续性。通过对所述数字信号进行预加重、分帧和加窗，可以消除发声过程中声带和嘴唇的效应，补偿语音信号受到发音系统所抑制的高频部分，并且加窗后的数字信号转换为频域上的能量分布，而不同的能量分布可以代表不同语音的特性。
所述三角带通滤波器可以降低运算量并且通过将频谱进行平滑化，具有消除谐波的作用，以突显语音的共振峰。因此，一段语音的音调或音高，不会呈现在梅尔频率倒谱系数内，因此梅尔频率倒谱系数不会受到输入语音的音调不同而有所影响，
标准的梅尔频率倒谱系数只反映语音的静态特性，语音的动态特性可以用所述静态特征的差分谱来描述，所述动态差分参数是把动态和静态特征结合起来可以有效提高系统的识别性能。
S4、利用预构建的声纹模型库中的所有声纹特征模型逐一与所述声纹向量进行相似度匹配，得到每一个声纹特征模型对所述声纹向量匹配得到的匹配分值，汇总所有所述匹配分值，得到匹配分值集合；
通过预设黑名单号码库不能确认所述语音数据为骚扰电话，本发明实施例进一步通过声纹识别对所述语音数据进行第二次识别。
应该了解，目前，推销等骚扰电话多为机器人自动拨打，机器人的声纹相对固定，如果推销等骚扰电话非机器人拨打，进行拨打电话的业务员也相对固定，声纹相对固定的。因此，本发明实施例通过大数据技术获取机器人的声纹，以及被大部分用户标记为骚扰电话的业务员的声纹，从而建立所述声纹特征模型。
本发明实施例中，若所述声纹向量与声纹模型库的声纹特征模型匹配，则说明所述语音数据是骚扰电话，若所述声纹向量与声纹模型库的声纹特征模型不匹配，则说明所述语音数据不是骚扰电话。
本发明实施例中，所述声纹特征模型可以为具有对声纹向量打分功能的卷积神经网络，所述卷积神经网络包括卷积层、池化层和全连接层等网络层次，其中，所述声纹特征模型包括但不限于具有声纹特征提取功能的CNN网络、RNN网络、RCNN网络等。
其中，所述卷积层，用于对所述声纹向量进行卷积处理，对于所述声纹向量中的每一个参数首先局部感知，然后更高层次对局部进行综合操作，从而得到全局信息；所述池化层，对卷积后的声纹向量进行池化处理，用于参数降维，有利于减小数据和参数的数量，以及提高模型的容错性；所述全连接层，用于线性分类，具体用于在提取的高层声纹向量上进行线性组合并且输出最后对所述声纹向量的打分结果。
本发明实施例中，参阅图3所示，所述利用预构建的声纹模型库中的所有声纹特征模型逐一与所述声纹向量进行相似度匹配，得到每一个声纹特征模型对所述声纹向量匹配得到的匹配分值，包括：
S41、从所述声纹模型库中逐一选取其中一个声纹模型为目标模型；
S42、利用所述目标模型对所述声纹向量进行卷积、池化以及全连接操作，得到全连接向量；
S43、利用激活函数对所述全连接向量进行计算，得到所述声纹向量的匹配分值。
详细地，所述利用所述声纹特征模型对所述声纹向量进行卷积包括利用预设的卷积核矩阵对所述声纹向量中的参数进行卷积运算。所述激活函数包括但不限于softmax激活函数、sigmoid激活函数。
S5、判断所述匹配分值集合中最大的分值是否大于预设阈值。
本发明实施例中，所述预设阈值为业务人员预先设置的声纹向量属于声纹模型库的标准。
例如，预设阈值为90，所述声纹模型库中的声纹特征模型A和声纹特征模型B，对所述声纹向量的打分结果分别为85和92，其中92为匹配分值中最大的分值，且92大于预设阈值90，说明所述声纹向量属于声纹模型库的声纹特征模型B。
若所述匹配分值集合中最大的分值大于预设阈值，则返回步骤S2、拦截所述来电；
本发明实施例中，经过上述判断，确定所述语音为骚扰电话，则自动将语音挂断，无需打扰用户进行接听。
进一步地，为了便于让用户获知已拦截的骚扰电话以及内容，所述若所述匹配分值集合中最大的分值大于预设阈值，则拦截所述来电之前，所述方法还可以包括：
将所述语音数据转换为语音文本；
将所述语音文本及所述来电的号码对应储存在预构建的语音文本库中；
在接收到用户查看被拦截的来电的指令时，将所述语音文本库中存储的语音文本及对应的来电的号码发送给所述用户；
接收到用户输入的确定所述来电的号码为可信号码的指令时，将所述来电的号码从所述黑名单号码库中移除。
所述文字向量表中包含多个文字，及所述文字对应的语音向量，通过所述文字向量表，可查询出与所述语音向量所匹配的文字，进而获得语音文本。
本发明其中一个实施例可以利用语音识别模型将所述语音数据转换为语音文本。其中，所述语音识别模型包括，但不限于基于HMM(Hidden Markov Model，隐马尔可夫模型)的语音识别模型、基于GMM(Gaussian Mixture Model，高斯混合模型)的语音识别模型。
本发明实施例通过预设的语音识别模型对语音数据进行语音识别，有利于提高识别出的语音文本的精确度。
本发明另一实施例中，与可采用声学模型对所述语音数据进行语音识别，得到语音文本，所述声学模型通过对每个字进行发声的建模，以建立包含多个字，及每个字对应的标准发声的数据库，通过对所述录音中每个时刻下用户发声的采集，以获取每个时刻下用户的发声，进而将该发声与预先构建的包含多个字，及每个字对应的标准发声的数据库中的字进行概率匹配，以此实现对录音进行语音识别，得到语音文本。
本发明实施例通过声学模型对所述真实语音段进行语音识别时，由于不需要对语言进行卷积、池化等特征提取的处理，因此有利于提高语音识别，获取语音文本的效率。
本发明另一实施例中，所述若所述匹配分值中最大的分值大于所述预设阈值，则拦截所述来电之后，所述方法还可以包括：
计算所述最大的分值对应的声纹特征模型的声纹向量与所述语音数据对应的声纹向量之间的损失值；
根据所述损失值对所述声纹特征模型的参数进行更新。
详细地，本发明实施例中，利用损失函数计算所述匹配分值与所述目标声纹之间的损失值，所述损失函数包括交叉熵损失函数、均方差损失函数等。
当所述损失值大于预设阈值时，本发明实施例利用Adam优化算法根据所述损失值对所述分类模型的参数进行更新，Adam优化算法可自适应调节分类模型训练过程中的学习率，使得分类检测模型更加精确，进而提高影响因子的精确度。
本发明实施例中，确定所述语音数据为骚扰电话后，则所述骚扰电话的声纹向量与预构建的声纹模型库的声纹特征模型匹配，通过计算所述声纹与所述声纹特征模型的声纹向量的损失值，可以提高所述声纹向量的声纹特征模型的精准度。
若所述匹配分值集合中最大的分值小于或等于预设阈值，则执行S6、将所述来电输出给对应的呼入方。
本发明实施例中，经过上述判断，确定所述来电语音不是骚扰电话，则将来电输出至对应的输出方的手机并进行来电提醒。
本发明另一实施例中，若来电语音的号码在预构建的黑名单号码库但来电语音的声纹不在预构建的声纹模型库中时，所述方法还包括：
提取所述来电语音的声纹向量，利用所述声纹向量对预构建的通用背景模型进行训练，得到与所述声纹向量相对应的声纹特征模型；
将所述声纹特征模型上传至预构建的声纹模型库。
本发明实施例中，所述预构建的通用背景模型(UBM，Universal BackgroundModel)是通过先采集大量与说话人无关的语音，训练一个通用背景模型，然后使用少量说话人语音数据，通过自适应算法调整通用背景模型的参数，得到目标说话人模型参数。
例如，可以通过预先获取的200人语音数据，其中100位为男性，100位为女性，分别对男性和女性的语音数据提取声纹向量，建立两个背景模型，由两个背景模型构成通用背景模型。
本发明实施例中，陌生语音A的声纹向量通过所述通用背景模型进行自适应，可以更加快速的获取陌生语音A的声纹特征模型，并且不需要过长的陌生语音A作为声纹向量的提取目标就可以得到声纹特征模型。
详细地，所述根据预构建的通用背景模型和所述声纹向量得到声纹特征模型，包括：
所述声纹向量通过所述预构建的通用背景模型进行自适应算法得到声纹特征模型。
本发明实施例中，所述声纹向量可以散落在通用背景模型某些高斯分布的附近。所述自适应的过程就是将通用背景模型的每个高斯分布向所述声纹向量偏移。具体包括：使用所述声纹向量计算出通用背景模型的新参数(高斯权重、均值和方差)；将得到的新参数与通用背景模型的原参数进行融合，从而得到所述声纹向量的声纹特征模型。所述自适应算法包括但不限于最大后验概率(MAP)，最大似然线性回归(MLLR)。
本发明实施例中，通过自适应算法，将通用背景模型向所述声纹向量的声纹特征模型进行微调。这种方式通过减少训练参数进而大大减少训练所需要的样本量和训练时间。
本发明实施例中，通过用户反馈，对黑名单号码库和声纹模型库进行更新，可以使黑名单号码库和声纹模型库处于不断更新中，使以后的语音数据分析更加准确，防骚扰系统更加完善。
本发明实施例首先通过黑名单号码库对来电号码进行第一层防骚扰电话过滤，通过声纹模型库对与来电之间产生的语音数据进行声纹识别，达到第二层防骚扰电话过滤，，因此对于骚扰电话的监控精确性更高。因此，本发明提出的基于人工智能的防骚扰电话方法，可以解决传统方法骚扰电话识别精确度较低的问题。
如图4所示，是本发明一实施例提供的基于人工智能的骚扰电话监控装置的功能模块图。
本发明所述基于人工智能的骚扰电话监控装置100可以安装于电子设备中。根据实现的功能，所述基于人工智能的骚扰电话监控装置100可以包括号码黑名单判断模块101、来电连通模块102、语音声纹判断模块103和来电输出模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
号码黑名单判断模块，用于在监听到来电时，若所述号码在预设的黑名单号码库内时，拦截所述来电；
来电连通模块，用于在所述号码不在所述黑名单号码库内时，则连通所述来电，获取所述来电的呼出方产生的语音数据；
语音声纹判断模块，用于提取所述语音数据的声纹向量，利用预构建的声纹模型库中的所有声纹特征模型逐一与所述声纹向量进行打分，得到每一个声纹特征模型对所述声纹向量进行相似度匹配得到的匹配分值，汇总所有所述匹配分值，得到匹配分值集合，若所述匹配分值集合中最大的分值大于预设阈值，则拦截所述来电；
来电输出模块，用于在所述匹配分值中最大的分值小于或等于所述预设阈值时，将所述来电输出给对应的呼入方。
详细地，本发明实施例中所述基于人工智能的骚扰电话监控装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于人工智能的骚扰电话监控方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于人工智能的骚扰电话监控方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于人工智能的骚扰电话监控程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于人工智能的骚扰电话监控程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于人工智能的骚扰电话监控程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于人工智能的骚扰电话监控程序是多个指令的组合，在所述处理器10中运行时，可以实现：
在监听到来电时，获取所述来电的号码，判断所述号码是否在预设的黑名单号码库内；
若所述号码在所述黑名单号码库内，则拦截所述来电；
若所述号码不在所述黑名单号码库内，则连通所述来电，获取所述来电的呼出方产生的语音数据，提取所述语音数据的声纹向量；
利用预构建的声纹模型库中的所有声纹特征模型逐一与所述声纹向量进行相似度匹配，得到每一个声纹特征模型对所述声纹向量匹配得到的匹配分值，汇总所有所述匹配分值，得到匹配分值集合；
判断所述匹配分值集合中最大的分值是否大于预设阈值；
若所述匹配分值中最大的分值大于所述预设阈值，则拦截所述来电；
若所述匹配分值中最大的分值小于或等于所述预设阈值，将所述来电输出给对应的呼入方。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
在监听到来电时，获取所述来电的号码，判断所述号码是否在预设的黑名单号码库内；
若所述号码在所述黑名单号码库内，则拦截所述来电；
若所述号码不在所述黑名单号码库内，则连通所述来电，获取所述来电的呼出方产生的语音数据，提取所述语音数据的声纹向量；
利用预构建的声纹模型库中的所有声纹特征模型逐一与所述声纹向量进行相似度匹配，得到每一个声纹特征模型对所述声纹向量匹配得到的匹配分值，汇总所有所述匹配分值，得到匹配分值集合；
判断所述匹配分值集合中最大的分值是否大于预设阈值；
若所述匹配分值中最大的分值大于所述预设阈值，则拦截所述来电；
若所述匹配分值中最大的分值小于或等于所述预设阈值，将所述来电输出给对应的呼入方。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于人工智能的骚扰电话监控方法，其特征在于，所述方法包括：
在监听到来电时，获取所述来电的号码，判断所述号码是否在预设的黑名单号码库内；
若所述号码在所述黑名单号码库内，则拦截所述来电；
若所述号码不在所述黑名单号码库内，则连通所述来电，获取所述来电的呼出方产生的语音数据，提取所述语音数据的声纹向量；
利用预构建的声纹模型库中的所有声纹特征模型逐一与所述声纹向量进行相似度匹配，得到每一个声纹特征模型对所述声纹向量匹配得到的匹配分值，汇总所有所述匹配分值，得到匹配分值集合；
判断所述匹配分值集合中最大的分值是否大于预设阈值；
若所述匹配分值中最大的分值大于所述预设阈值，则拦截所述来电；
若所述匹配分值中最大的分值小于或等于所述预设阈值，将所述来电输出给对应的呼入方。
2.如权利要求1所述的基于人工智能的骚扰电话监控方法，其特征在于，所述判断所述号码是否在预设的黑名单号码库内，包括：
构建所述黑名单号码库的索引；
将所述号码在所述索引中进行检索，得到检索结果；
判断所述检索结果是否为空值；
当所述检索结果为空值时，确定所述号码不在所述黑名单号码库中；
当所述检索结果不为空值时，确定所述号码在所述黑名单号码库中。
3.如权利要求1所述的基于人工智能的骚扰电话监控方法，其特征在于，所述拦截所述来电之后，所述方法还包括：
将所述来电的号码添加到所述黑名单号码库中。
4.如权利要求3所述的基于人工智能的骚扰电话监控方法，其特征在于，所述若所述匹配分值中最大的分值大于所述预设阈值，则拦截所述来电之后，所述方法还包括：
将所述语音数据转换为语音文本；
将所述语音文本及所述来电的号码对应储存在预构建的语音文本库中；
在接收到用户查看被拦截的来电的指令时，将所述语音文本库中存储的语音文本及对应的来电的号码发送给所述用户；
接收到用户输入的确定所述来电的号码为可信号码的指令时，将所述来电的号码从所述黑名单号码库中移除。
5.如权利要求1所述的基于人工智能的骚扰电话监控方法，其特征在于，所述提取所述语音数据的声纹向量，包括：
将所述语音数据中的声音信号转化为数字信号；
对所述数字信号进行向量转换，得到所述语音数据对应的声纹向量。
6.如权利要求5所述的基于人工智能的骚扰电话监控方法，其特征在于，所述对所述数字信号进行向量转换，得到所述语音数据对应的声纹向量，包括：
对所述数字信号进行预加重、分帧和加窗处理，得到频域能量；
对所述频域能量进行快速傅里叶变换，得到频谱；
利用预设的三角带通滤波器对所述频谱进行计算，得到对数能量；
对所述对数能量进行离散余弦变换，得到梅尔频率倒谱系数；
根据所述梅尔频率倒谱系数进行差分计算，得到动态差分参数，并确定所述动态差分参数为声纹向量。
7.如权利要求1所述的基于人工智能的骚扰电话监控方法，其特征在于，所述利用预构建的声纹模型库中的所有声纹特征模型逐一与所述声纹向量进行相似度匹配，得到每一个声纹特征模型对所述声纹向量匹配得到的匹配分值，包括：
从所述声纹模型库中逐一选取其中一个声纹模型为目标模型；
利用所述目标模型对所述声纹向量进行卷积、池化以及全连接操作，得到全连接向量；
利用激活函数对所述全连接向量进行计算，得到所述声纹向量的匹配分值。
8.一种基于人工智能的骚扰电话监控装置，其特征在于，所述装置包括：
号码黑名单判断模块，用于在监听到来电时，若所述号码在预设的黑名单号码库内时，拦截所述来电；
来电连通模块，用于在所述号码不在所述黑名单号码库内时，则连通所述来电，获取所述来电的呼出方产生的语音数据；
语音声纹判断模块，用于提取所述语音数据的声纹向量，利用预构建的声纹模型库中的所有声纹特征模型逐一与所述声纹向量进行打分，得到每一个声纹特征模型对所述声纹向量进行相似度匹配得到的匹配分值，汇总所有所述匹配分值，得到匹配分值集合，若所述匹配分值集合中最大的分值大于预设阈值，则拦截所述来电；
来电输出模块，用于在所述匹配分值中最大的分值小于或等于所述预设阈值时，将所述来电输出给对应的呼入方。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于人工智能的骚扰电话监控方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于人工智能的骚扰电话监控方法。
CN202111007251.9A 2021-08-30 2021-08-30 基于人工智能的骚扰电话监控方法、装置、设备及介质 Pending CN113726941A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111007251.9A CN113726941A (zh) 2021-08-30 2021-08-30 基于人工智能的骚扰电话监控方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111007251.9A CN113726941A (zh) 2021-08-30 2021-08-30 基于人工智能的骚扰电话监控方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN113726941A true CN113726941A (zh) 2021-11-30

Family

ID=78679340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111007251.9A Pending CN113726941A (zh) 2021-08-30 2021-08-30 基于人工智能的骚扰电话监控方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113726941A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106210239A (zh) * 2016-09-14 2016-12-07 北京奇虎科技有限公司 恶意来电者声纹的自动识别方法、装置和移动终端
CN107610708A (zh) * 2017-06-09 2018-01-19 平安科技（深圳）有限公司 识别声纹的方法及设备
CN110149441A (zh) * 2019-04-12 2019-08-20 深圳壹账通智能科技有限公司 骚扰电话拦截方法、装置、设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106210239A (zh) * 2016-09-14 2016-12-07 北京奇虎科技有限公司 恶意来电者声纹的自动识别方法、装置和移动终端
CN107610708A (zh) * 2017-06-09 2018-01-19 平安科技（深圳）有限公司 识别声纹的方法及设备
CN110149441A (zh) * 2019-04-12 2019-08-20 深圳壹账通智能科技有限公司 骚扰电话拦截方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
WO2021208287A1 (zh) 用于情绪识别的语音端点检测方法、装置、电子设备及存储介质
WO2020173133A1 (zh) 情感识别模型的训练方法、情感识别方法、装置、设备及存储介质
CN110265040A (zh) 声纹模型的训练方法、装置、存储介质及电子设备
CN111694940A (zh) 一种用户报告的生成方法及终端设备
CN110600014B (zh) 一种模型训练方法、装置、存储介质及电子设备
US20230084055A1 (en) Method for generating federated learning model
CN113129927B (zh) 语音情绪识别方法、装置、设备及存储介质
WO2021127982A1 (zh) 语音情感识别方法、智能装置和计算机可读存储介质
CN113990352B (zh) 用户情绪识别与预测方法、装置、设备及存储介质
CN113704410B (zh) 情绪波动检测方法、装置、电子设备及存储介质
CN113327586B (zh) 一种语音识别方法、装置、电子设备以及存储介质
CN113807103A (zh) 基于人工智能的招聘方法、装置、设备及存储介质
CN113420556A (zh) 基于多模态信号的情感识别方法、装置、设备及存储介质
CN114999533A (zh) 基于情绪识别的智能问答方法、装置、设备及存储介质
CN112951233A (zh) 语音问答方法、装置、电子设备及可读存储介质
CN114155832A (zh) 基于深度学习的语音识别方法、装置、设备及介质
CN111091809A (zh) 一种深度特征融合的地域性口音识别方法及装置
CN112489628B (zh) 语音数据选择方法、装置、电子设备及存储介质
CN109545226A (zh) 一种语音识别方法、设备及计算机可读存储介质
CN115631748A (zh) 基于语音对话的情感识别方法、装置、电子设备及介质
CN111985231B (zh) 无监督角色识别方法、装置、电子设备及存储介质
CN113555005B (zh) 模型训练、置信度确定方法及装置、电子设备、存储介质
CN115687934A (zh) 意图识别方法、装置、计算机设备及存储介质
CN113726941A (zh) 基于人工智能的骚扰电话监控方法、装置、设备及介质
CN112002306B (zh) 语音类别的识别方法、装置、电子设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20211130

RJ01 Rejection of invention patent application after publication