JP4163979B2 - 話者認証装置 - Google Patents

話者認証装置 Download PDF

Info

Publication number
JP4163979B2
JP4163979B2 JP2003071577A JP2003071577A JP4163979B2 JP 4163979 B2 JP4163979 B2 JP 4163979B2 JP 2003071577 A JP2003071577 A JP 2003071577A JP 2003071577 A JP2003071577 A JP 2003071577A JP 4163979 B2 JP4163979 B2 JP 4163979B2
Authority
JP
Japan
Prior art keywords
speaker
score
utterance
person
authentication
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.)
Expired - Fee Related
Application number
JP2003071577A
Other languages
English (en)
Other versions
JP2004279770A (ja
Inventor
恒夫 加藤
徹 清水
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.)
KDDI Corp
Original Assignee
KDDI Corp
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 KDDI Corp filed Critical KDDI Corp
Priority to JP2003071577A priority Critical patent/JP4163979B2/ja
Publication of JP2004279770A publication Critical patent/JP2004279770A/ja
Application granted granted Critical
Publication of JP4163979B2 publication Critical patent/JP4163979B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Description

【0001】
【発明の属する技術分野】
本発明は、発話者の入力音声に基づいて発話者が本人か他人かを判定する話者認証装に関する。入力音声には、例えば、数字やアルファベットなどの記号や単語が複数連続した連続単語の複数の発声が用いられる。
【0002】
【従来の技術】
話者認証技術の第1の従来例として、例えば、特開平9−244684号公報に記載されている装置が知られている。この話者認証技術は、発話者の入力音声に基づいて本人の認証を行うものであり、予め登録されている特徴量と該入力音声から抽出した特徴量とから、発話者が既登録の話者本人か、他人(特に詐称者)かを判定する。発話者の入力音声としては、個人IDやパスワード等の特定の既知キーワードが使用される。
【0003】
しかし、上述した第1の従来例では、認証時の入力音声として個人IDパスワード等の既知キーワードを使用するために、登録話者本人の音声を予め、例えば認証時に録音しておき、その再生音声を第3者が用いることにより、本人詐称が行われやすいという問題がある。
【0004】
この問題に対処するために、認証時に利用者に多数のキーワードを発声してもらい、入力音声として使用するキーワードを増やす方法があるが、この方法では利用者の負担が増大する。更に、入力音声として使用するキーワードを増やした場合は、認証時間が長くなり、認証効率が低下するという問題もある。
【0005】
一方、話者認証技術の第2の従来例として、特開2000−99090号公報に記載された方法が知られている。この話者認証技術では、話者登録時に複数の記号(数字またはアルファベット)を特定話者毎に発声させて、特定話者のモデル(話者モデル)を登録しておき、話者認証時にはシステム側から上記複数の記号中の任意に記号列を指定して発話者に発声させることで、登録されている話者モデルと入力音声から、発話者が本人(登録話者本人)であるか否かを判定する。これによれば、第3者が登録話者本人の音声を認証時に録音しておいても、その再生音声は指定された記号列の発声にならないため、本人詐称が行われ難いという利点がある。
【0006】
しかし、上述した第2の従来例には、認証効率に改善の余地がある。
【0007】
【特許文献1】
特開平9−244684号公報
【特許文献2】
特開2000−99090号公報
【0008】
【発明が解決しようとする課題】
本発明は、このような事情を考慮してなされたものであり、その目的は、本人詐称を防止するとともに、予め設定した認証精度を保証でき、効率良く認証を行うことができる話者認証技術を提供することにある。
【0009】
【課題を解決するための手段】
第1発明は、上記課題を解決するため話者認証装置であり、発話者の発声と話者モデルとの類似度を表すスコアに基づいて本人認証を行う話者認証装置において、互いに異なる話者認証用発声パタンを、最大で複数n回、発話者に対して指定する発声パタン指定手段と、第i番目の発声パタン指定に対応する発話者の発声と話者モデルとのスコアを、第iスコアとして、計算するスコア計算手段と、複数k回の発声パタン指定に対応するk個のスコアを要素とする集合を統合的スコアとし、この統合的スコアをk次元平面の判別関数の入力として、判別関数の符号から発話者が本人か他人かを判定する統合的話者判定手段を備え、更に、第1スコア〜第nスコアを順に単独にしきい値と比較することで、発話者が本人か他人かを判定する単独発声による話者判定手段を備え、前記統合的話者判定手段は、単独発声による話者判定手段におけるいずれのスコアの比較においても、予め定めた認証精度で発話者が本人か他人かを判定することができない場合に、発話者が本人か他人かの判定を行うものであることを特徴とする。
【0013】
発明は、第発明において、統合的スコアが少なくとも第n―1スコア及び第nスコアを要素とする集合であることを特徴とする話者認証装置である。
【0014】
発明は、発話者の発声と話者モデルとの類似度を表すスコアに基づいて本人認証を行う話者認証装置において、互いに異なる話者認証用発声パタンを、最大で複数n回、発話者に対して指定する発声パタン指定手段と、第i番目の発声パタン指定に対応する発話者の発声と話者モデルとのスコアを、第iスコアとして、計算するスコア計算手段と、複数k回の発声パタン指定に対応するk個のスコアを要素とする集合を統合的スコアとし、この統合的スコアをk次元平面の判別関数の入力として、判別関数の符号から発話者が本人か他人かを判定する統合的話者判定手段を備え、更に、n=3、k=2であり、第1スコアを単独にしきい値と比較して発話者が本人か他人かを判定する単独発声による話者判定手段を備えること、前記統合的話者判定手段は、単独発声による話者判定手段による第1スコアとしきい値との比較では予め定めた認証精度で発話者が本人か他人かを判定することができない場合に、第1スコアと第2スコアを要素とする集合である第1統合的スコアを判別関数の入力として発話者が本人か他人かの判定を行い、この第1統合的スコアによる判定では予め定めた認証精度で発話者が本人か他人かを判定することができない場合に、第2スコアと第3スコアを要素とする集合である第2統合的スコアを判別関数の入力として発話者が本人か他人かの判定を行うものであることを特徴とする話者認証装置である。
【0016】
発明は、第1又は第3発明において、話者登録に使用された話者登録用発声パタンを保存する発声パタン記憶手段を有し、前記発声パタン指定手段は話者認証用発声パタンとして、前記保存されている話者登録用発声パタンに含まれている複数単語の連鎖を少なくとも一組含む発声パタンを指定するものであることを特徴とする話者認証装置である。
【0017】
発明は、第1又は第3発明において、前記判別関数として、本人を受理するための第1判別関数及び他人を棄却するための第2判別関数を有し、これら第1判別関数及び第2判別関数は他人受理率と本人棄却率が一定の値となるように設定されていることを特徴とする話者認証装置である。
【0018】
第10発明は、上記課題を解決するための第9発明の話者認証装置に用いられる判別関数を設定する方法であって、k個のスコアの分布をk次元平面におけるk次元正規分布で近似して、k次元平面上の判別面を求めること、この判別面を並行移動して、他人受理率と本人棄却率が一定の値となる第1判別関数及び第2判別関数を設定することを特徴とする。
【0019】
【発明の実施の形態】
本発明では、連続単語発声を用いたテキスト指定型話者認証技術において、発話者に複数の異なる連続単語を発声させ、それぞれの発声に対して得られる複数のスコアを統合的に用いて発話者が本人か他人か判定する。その際、個々の発声のスコアを単独に用いて発話者が本人か他人かを判定することを妨げるものではない。以下、図面を参照し、本発明の一実施形態を説明する。図1は、本発明の一実施形態による話者認証装置の構成を示す。図1において、話者照合装置1の入出力信号はディジタル信号であり、話者照合装置1はディジタル処理により実現される。従って、入出力がアナログ信号の場合は、アナログ・ディジタル変換器(AD変換器)により信号変換されて、話者照合号装置1に接続されるものとする。また、話者照合装置1への入力音声信号としては、電話回線やマイク等からの入力が利用可能である。また、電話回線やスピーカ等へ、話者照合装置1から音声信号を出力することができる。
【0020】
図1の話者照合装置1において、特徴抽出器2は、利用者の入力音声信号Aから音響的な特徴量を抽出する。発声内容判定器3は、バッファ10に保存されている発声プロンプトCで示される発声内容に、発話者の発声内容が一致するか否かを判定する。スイッチ4は、特徴抽出器2の接続先を、話者登録時と話者認証時とで切換える。詳細には、スイッチ4は特徴抽出器2を、話者登録時には登録判定器5に、者認証時には話者判定器7に接続する。
【0021】
登録判定器5は、話者登録時に、特徴抽出器2によって抽出された特徴量が話者登録用に十分であるか否かを判定する。また、該特徴量に基づいて、学習により話者モデルを生成する。例えば、3回など所定回数分の音声入力を条件として十分であると判定する。あるいは、話者モデルを生成しながら該モデルを評価し、一定の品質に達したところで十分であると判定する。上記話者モデルとしては、HMM(Hidden Markov Model)やGMM(Gaussian Mixture Model)などが利用可能である。
【0022】
音声特徴情報蓄積器6は、登録判定器5によって生成された話者モデルを記憶し、保存する。
【0023】
話者判定器7は、話者認証時に、発話者の発声と話者モデルとの類似度を表すスコア、言い換えれば、特徴抽出器2によって抽出された特徴量と話者特徴情報蓄積器6の話者モデルとの類似度を表すスコアを計算し、基本的には、複数回の発声にそれぞれ対応して計算された複数回のスコアを統合的に用いることで、発話者が本人か詐称者(他人)かといった話者認証可否を判定し、該話者判定結果Bを出力するものである。話者判定器7は例えば、図2に示すように、スコア蓄積器7a(スコア蓄積手段)と、スコア計算器7b(スコア計算手段)と、単独発声用話者判定器7c(単独発声による話者判定手段)と、統合的話者判定器7d(統合的話者判定手段)を備えている。
【0024】
スコア蓄積器7aは、予め定めた認証精度で発話者が本人か他人かを判定することができない場合に、そのときの判定に用いたスコアを蓄積し、保存する。
【0025】
スコア計算器7bは、話者認証時に、話者認証用発声パタンの指定(発話プロンプトCの出力)毎に、発話者の発声と話者モデルとのスコアを計算する。
【0026】
ここで、第i番目の発声パタン指定(第i番目の発声プロンプトCの出力)に対応する発話者の発声(i番目発声)と話者モデルとのスコアを、第iスコアと呼ぶ。
【0027】
単独発声用話者判定器7cは話者認証時に単独発声による話者判定を行うものであり、任意の第iスコアを単独でしきい値と比較することで、比較結果から発話者が本人か詐称者かといった話者認証可否を判定する。
【0028】
統合的話者判定器7dは、話者認証時に、スコア計算器7aによって計算されたスコアのうち、複数k回のパタン指定に対応するk個のスコアをスコア蓄積器7aから取り出し、これらを統合的に用いて発話者が本人か詐称者かといった話者認証可否を判定する。詳細には、k個のスコアを要素とする集合を統合的スコアとし、この統合的スコアを判別関数の入力として、判別関数の符号から話者認証の可否を判定する。ここで、kは2以上の自然数であり、後述する複数nと同じかそれ以下に設定される。判別関数については、後で、図9を参照して説明する。
【0029】
パタン指定器8(発声パタン指定手段)は、話者登録用発声パタン(以下、話者登録用パタンと称する)と、話者認証用発声パタン(以下、話者認証用パタンと称する)とを指定し、これら指定パタンの発声を利用者に促す発声プロンプトCを生成して出力する。パタン指定器8は、互いに異なる話者認証用パタンを、同一の発話者に対して最大で複数n回、指定することができるようになっている。従って、話者認証時には、同一の発話者に対して、互いに異なる発生プロンプトCが最大で複数n回出力される。ここで、nは、kと同じかそれ以上の自然数である。
【0030】
話者登録用パタン蓄積器9(発声パタン記憶手段)は、パタン指定器8によって指定された話者登録用パタンを記憶し、保存する。
【0031】
バッファ10は、パタン指定器8から出力された発声プロンプトCを順次上書き方式で記憶する。
【0032】
[話者登録処理]
次に、図3を参照して、話者登録時の話者照合装置1の動作を説明する。図3は、図1に示す話者照合装置1が行う話者登録処理の流れを示すフローチャートである。
【0033】
初めに、話者の個人ID及びパスワードを用いたユーザ認証が実施され、該ユーザ認証が受理されると、図3の話者登録処理が開始される。
【0034】
図3において、先ず、パタン指定器8は、複数の単語(数字や、アルファベット、その他の単語)の連続で構成される話者登録用パタンを指定して、話者登録用パタン蓄積器9に保存する(ステップST1)。例えば、図4の最上段に示すような6桁の連続数字(この例では「638790」)を話者登録用パタンとする。次いで、パタン指定器8は、該指定パタンの発声を促す発声プロンプトCを生成して出力する(ステップST2)。この発声プロンプトCはバッファ10に保存されるとともに、話者照合装置1から出力される。
【0035】
次いで、発話者が発声プロンプトCで指定された話者登録用パタンを発声し、入力音声信号Aが入力されると、特徴抽出器2は入力音声信号Aから音響的特徴量を抽出する(ステップST3、ST4)。次いで、発声内容判定器3は、発話者の発生内容がバッファ10に保存されている発声プロンプトCで示される発声内容に一致するか判定する(ステップST5)。次いで、登録判定器5は、良好な話者モデルを生成するために十分な特徴量であるか否かを判定し(ステップST6)、不十分な場合またはステップST5の判定結果が不一致の場合に、パタン指定器8に再度、発声プロンプトCの出力を指示する。これにより、ステップST2へ戻る。
【0036】
一方、ステップST5の判定結果が一致であり且つ十分な特徴量が得られた場合には、ステップST7に進み、話者モデルを生成して音声特徴情報蓄積器6に記憶する。これにより、話者登録が完了する。
【0037】
なお、話者登録用パタンには、母音または鼻音を多く含むように構成するのが、話者固有の音響的特徴を抽出しやすくなり、少ない発声回数で効率良く特徴抽出できるので好ましい。
【0038】
[話者認証処理]
次に、図4〜図9を参照して、話者認証時の話者照合装置1の動作例を説明する。図4は発声パタンの指定例を示す図、図5〜図8、図1に示す話者照合装置1が行う話者認証処理の流れを示すフローチャート、図9は統合的話者判定で使用する判別関数の設定方法例を示す図である。
【0039】
ここでは、本発明の実施形態の一例として、便宜上n=3、k=2であるとする。また、便宜上、単独発声用話者判定器7cは第1スコアS1のみを単独にしきい値と比較して発話者が本人か詐称者(他人)かを判定するものとする。更に、統合的話者判定器7dは、単独発声用話者判定器7cによる第1スコアS1としきい値との比較による単独発声による話者判定では予め定めた認証精度で発話者が本人か詐称者かを判定することができない場合に、第1スコアS1と第2スコアS2を要素とする集合である第1統合的スコアを用い、この第1統合的スコアを判別関数の入力として、判別関数の正負の符号から発話者が本人か詐称者かの判定(1回目の統合的話者判定)を行い、これでも予め定めた認証精度で発話者が本人か詐称者かを判定することができない場合は、第2スコアS2と第3スコアS3を要素とする集合である第2統合的スコアを用い、この第2統合的スコアを判別関数の入力として、判別関数の正負の符号から発話者が本人か詐称者かの判定(2回目の統合的話者判定)を行うものとする。
【0040】
更に、本実施形態では、パタン指定器8は、発話者に話者認証用パタンを指定して発話を促す都度、だんだん認証精度が高くなるものを指定する。n=3の場合、例えば、1回発声用に、話者登録用パタンに含まれる複数単語の連鎖を少なくとも一組含むもの、例えば、複数単語の連鎖を二組含み且つ該二組が非連続のものを選択して話者認証用パタンを構成し、これを第1番目の発声パタンとして指定する。そして、2回目の発声用には、該第1回目の単語連鎖に更に別の一組の単語連鎖を加え、1回目発声用パタンよりも複数単語の連鎖の組数を増した話者認証用パタンを構成し、これを第2番目の発声パタンとして指定する。この2回目発声用の話者認証用パタンは、複数単語の連鎖の組数が多い分、1回目発声用のパタンよりも認証精度が高くなる。そして、3回目の発声用には、話者登録用パタンを構成する単語のうち、連続した4つの単語を含むように話者認証用パタンを構成し、これを第3番目の発声パタンとして指定する。この3回目発声用の話者認証用パタンは、2回目発声用のパタンよりも単語数は少ないが、一連の単語連鎖の数が多いために、2回目発声用のパタンよりも認証精度が高くなる。このように、1回目発声用には、話者登録用パタンに含まれる複数単語の連鎖を少なくとも一組含むように発声パタンを指定することより、認証精度はそれほど高くはないが、本人詐称防止に効果が高く、且つ発声単語数を抑えて発話者の負担を軽くする。そして、2回目発声用には、1回目発声用パタンよりも複数単語の連鎖の組数を増やして発声パタンを指定することにより、発声単語数は増えるが本人詐称防止効果を保ちつつ、認証精度を高める。そして、3回目発声用には、一連の単語連鎖の数を増やして発声パタンを指定することにより、認証精度を優先して高める。なお、一連の単語連鎖の数を増やすことにより本人詐称防止効果は低下するが、3回目発声時には、それまでの1回目及び2回目の認証拒否判定をパスしているので、本人詐称の可能性は少なく、問題はない。
【0041】
n=3の場合の発声パタン指定の具体例を図4に示す。図4の例では、その上から2段目に示すように、1回目の発声用に、話者登録処理にて例示した6桁の連続数字で構成した話者登録用パタン(「638790」)に含まれる2桁ずつの数字連鎖を二組含み、且つ該二組が非連続のもの(この例では「79」と「63」)を選択して、話者認証用パタン(「7963」)を構成し、この2桁ずつの数字連鎖を二組保存した4桁数字(「7963」)を第1番目の発声パタンとして指定する。
【0042】
話者登録用パタンが6桁の連続数字「638790」である場合、複数単語例えば2桁数字の連鎖の組は、「63」、「38」、「87」、「79」、「90」の5組あり、これらの中からランダムに例えば2組を選択すると2桁ずつの数字連鎖を二組保存した4桁数字の総パタン数は205通りある。これらの中から第1番目の話者認証用パタンとして、例えば「7963」が指定される。
【0043】
2回目の発声用には、図4の上から3段目に示すように、第1番目の発声パタン指定における二組(「79」と「63」)に、更に別の一組(この例では「38」)を加え、1回目発声用パタンよりも複数単語の連鎖の組数を増した話者認証用パタン(「387963」)を構成し、この2桁ずつの数字連鎖を三組保存した6桁数字(「387963」)を第2番目の発声パタンとして指定する。話者登録用パタンが6桁の連続数字「638790」である場合、2桁ずつの数字連鎖を三組保存した6桁数字の総パタン数は1025通りあり、これらの中から第2番目の話者認証用パタンとして、例えば「387963」が指定される。
【0044】
3回目の発声用には、図4の最下段に示すように、話者登録用パタン(「638790」)を構成する数字のうち、連続した4つの数字を含むように話者認証用パタン(この例では「8790」)を構成し、この4桁の数字連鎖を保存した4桁数字(「8790」)を第3番目の発声パタンとして指定する。話者登録用パタンが6桁の連続数字「638790」である場合、4桁の数字連鎖を保存した4桁数字の総パタン数は3通りあり、これらの中から第3番目の話者認証用パタンとして、例えば「8790」が指定される。
【0045】
[単独発声による話者判定]
初めに、話者の個人ID及びパスワードを用いたユーザ認証が実施され、該ユーザ認証が受理されると、話者認証処理が開始される。
【0046】
図5において、先ず、パタン指定器8は、話者登録用パタン蓄積器9に保存されている話者登録用パタンを読み出し、この話者登録用パタンに基づいて第1番目の話者認証用パタン例えば「7963」を指定する(ステップST11)。この指定では、話者登録用パタンに含まれる複数単語の連鎖を少なくとも一組含んでいる。
【0047】
上述したように、話者登録用パタンに含まれる複数単語の連鎖を少なくとも一組含むようにして話者認証用パタンを構成することによって、登録話者音声の録音再生による本人詐称を防止しつつ、全くのランダムとするよりも認証精度を高く保つことができる。
【0048】
次いで、パタン指定器8は、第1番目に指定する話者認証用パタン(例えば「7963」)の発声を促す発声プロンプトCを生成して話者認証装置1から出力する(ステップST12)。この発声プロンプトCはバッファ10に上書き記憶で保存される。次いで、発話者が指定された話者認証用パタン(例えば「7963」)を発声し、入力音声信号Aが入力されると、特徴抽出器2は入力音声信号Aから音響的特徴量を抽出する(ステップST13、ST14)。次いで、発声内容判定器3は、発話者の発声内容がバッファ10に保存されている発声プロンプトCで示される発声内容に一致するか判定する。この判定の結果、不一致の場合にはパタン指定器8は再度、同じ発声プロンプトCを出力する(ステップST15)。次いで、スコア計算器7bは、音声特徴情報蓄積器6の話者モデルを参照し、特徴抽出器2によって抽出された特徴量と話者モデルの特徴量との類似度を表すスコア(第1スコアS1)を計算する(ステップST16)。
【0049】
次いで、単独発声用話者判定器7cは、上記の第1スコアS1を所定の認証受理判定用しきい値Th1と比較し(ステップST17)、第1スコアS1の方が認証受理判定用しきい値Th1より大きい場合には、当該発話者が本人であると判定し、認証を受理する判定結果Bを出力する(ステップST19)。上記認証受理判定用しきい値Th1は、予め話者判定器7に設定されている。このしきい値Th1としては、詐称者(他人)を誤って認証受理する確率(他人受理率)が少なくなるように、例えば実験で、他人受理率が数%、例えば1%となった値を採用する。
【0050】
一方、ステップST17での比較の結果、第1スコアS1の方が認証受理判定用しきい値Th1よりも大きくない場合には、第1スコアS1を所定の認証拒否判定用しきい値Th2と比較し、第1スコアS1の方が認証拒否判定用しきい値Th2より小さい場合には、当該話者が詐称者(他人)であると判定し、認証を拒否する判定結果Bを出力する(ステップST20)。上記認証拒否判定用しきい値Th2は、予め話者判定器7に設定されている。このしきい値Th2としては、本人を誤って認証拒否する確率(本人棄却率)が少なくなるように、例えば、実験で本人棄却率が他人受理率と数%、例えば1%となった値を採用する。
【0051】
上記ように本人棄却率と他人受理率が等しくなるようにしきい値Th1及びTh2を設定した場合の誤り率は、等誤り率として知られている。
【0052】
一方、ステップST18での比較の結果、第1スコアS1が認証受理判定用しきい値Th1と認証拒否判定用しきい値Th2との間にある場合には、単独発声用話者判定器7cは、予め定めた認証精度では認証受理とも認証拒否とも判定することができないと判断して、第1スコアS1をスコア蓄積器7aに蓄積して保存するとともに(ステップST21)、パタン指定器8へ話者認証用パタンを異なるもの、例えば認証精度が高くなるような話者認証用パタンに更新して次の発声プロンプトCを出力するように、指示する。これにより、ステップST11へ戻り、統合的話者判定を行う。
【0053】
[統合的話者判定:1回目]
単独発声による話者判定においてステップST21からステップST11へ戻ったら、つまり、単独発声用話者判定器7cでは予め定めた認証精度で本人か他人かを判定することができない場合は、統合的話者判定器7dにより統合的話者判定が行われる。この処理を図5、図6を参照して説明する。
【0054】
図5において、先ず、パタン指定器8は、話者登録用パタン蓄積器9に保存されている話者登録用パタンを読み出し、この話者登録用パタンに基づいて第2番目の話者認証用パタン例えば「387963」を指定する(ステップST11)。このパタン指定は、第1番目の話者認証用パタンよりも認証精度が高い。
【0055】
次いで、パタン指定器8は、第2番目に指定する話者認証用パタン(例えば「387963」)の発声を促す発声プロンプトCを生成して話者認証装置1から出力する(ステップST12)。この発声プロンプトCはバッファ10に上書き記憶で保存される。次いで、発話者が指定パタン(「387963」)を発声し、入力音声信号Aが入力されると、特徴抽出器2は入力音声信号Aから音響的特徴量を抽出する(ステップST13、ST14)。次いで、発声内容判定器3は、発話者の発声内容がバッファ10に保存されている発声プロンプトCで示される発声内容に一致するか判定する。この判定の結果、不一致の場合にはパタン指定器8は再度、同じ発声プロンプトCを出力する(ステップST15)。次いで、スコア計算器7bは、音声特徴情報蓄積器6の話者モデルを参照し、特徴抽出器2によって抽出された特徴量と話者モデルの特徴量との類似度を表すスコア(第2スコアS2)を計算する(ステップST16)。
【0056】
次いで、統合的話者判定器7dにより、第1スコアS1と第2スコアS2を要素とする集合である統合的スコア(第1統合的スコア)を用いて、1回目の統合的話者判定を行う。
【0057】
但し、図5中のステップST17からST21までの処理を、図6に示すステップST17からST21までの処理と読み替えるものとする。
【0058】
即ち、図6に示すように、統合的話者判定器7dは、第1スコアS1をスコア蓄積器7aから読み出し、この第1スコアS1とスコア計算器7bが計算した第2スコアS2を要素とする集合を統合的スコア(S1,S2)とし、この統合的スコアを2次元平面の所定の認証受理判定用判別関数f1(第1判別関数:詳細は図9を参照して後述する)の入力として、その結果得られる認証受理判定用判別関数f1の符号を0(ゼロ:しきい値)と比較する(ステップST17)。そして、認証受理判定用判別関数f1の符号が正(プラス)である場合には、当該発話者が本人であると判定し、認証を受理する判定結果Bを出力する(ステップST19)。上記認証受理判定用判別関数f1としきい値0は、予め話者判定器7に設定されている。この判別関数f1としては、他人受理率が少なくなるように、例えば実験で、他人受理率が数%、例えば1%となった値を採用する。
【0059】
一方、ステップST17での比較の結果、認証受理判定用判別関数f1の符号が正でない場合には、統合的スコア(S1,S2)を2次元平面の所定の認証拒否判定用判別関数f2(第2判別関数:詳細は図9を参照して後述する)の入力として、この結果得られる認証拒否判定用判別関数f2の符号を0(ゼロ:しきい値)と比較する(ステップST18)。そして、認証拒否判定用判別関数f2の符号が負(マイナス)である場合には、当該発話者が詐称者(他人)であると判定し、認証を拒否する判定結果Bを出力する(ステップST20)。上記認証拒否判定用判別関数f2としきい値0は、予め話者判定器7に設定されている。この判別関数f2としては、本人棄却率が少なくなるように、例えば、実験で本人棄却率が他人受理率と同じ数%、例えば1%となった値を採用する。
【0060】
一方、ステップST18での比較の結果、統合的スコア(S1,S2)を入力した認証受理判定用判別関数f1の符号が正でなく、かつ、同じく統合的スコア(S1,S2)を入力した認証拒否判定用判別関数f2の符号が負でない場合には、統合的話者判定器7cは、統合的スコア(S1,S2)を用いた判定では予め定めた認証精度では認証受理とも認証拒否とも判定することができないと判断して、第2スコアS2をスコア蓄積器7aに蓄積して保存する(ステップST21)とともに、パタン指定器8へ話者認証用パタンを異なるものに更新して次の発声プロンプトCを出力するように、指示する。これにより、図5のステップST11へ戻り、2回目の統合的話者判定を行う。
【0061】
[判別関数の設定方法]
ここで、図9を参照して、判別関数を設定する方法を説明する。本例では、判別分析法を用いている。図9では、縦軸を第1スコアS1(一般にはj−1回目発声のスコア)に、横軸を第2スコアS2(一般にはj回目発声のスコア)にとっている。
【0062】
例えば第1スコアS1と第2スコアS2(一般にはj−1回目発声のスコアとj回目発声のスコア)を2変数とする平面上で、発話者が本人である場合のスコアの分布と、詐称者(他人)である場合のスコアの分布はそれぞれ、2次元正規分布で近似することができる。そして、1回目の発声(一般にはj−1回目の発声)に対して認証受理も認証拒否もできなかった場合の本人のスコアの分散と、他人のスコアの分散とは同程度の大きさであるため、分散及び共分散を共通の値とすると、判別面は、図9に示すように、2次元平面上の一般に傾斜した直線f0として求めることができる。この直線f0が基本的な判別関数となる。この判別関数f0を、縦軸に平行で且つ横軸に垂直な直線11(従来のしきい値に相当)と比較すると、判別関数f0と直線11に挟まれた斜線を付した領域12aから分かるように、本人を正しく本人と判定して認証受理する割合が猟奇12aの分だけ増え、また、斜線を付した領域12bから分かるように、他人を正しき他人と判定して認証拒否する割合が領域12bの分だけ増える。つまり、従来に比べて、認証精度が向上することが分かる。なお、直線11は、第1スコアS1のみを用いた単独発声による話者判定では予め定めた判定精度で本人か他人かを判定することができない時に、更に、第2スコアS2のみを用いて単独発声による話者判定を行うとした場合における認証受理判定と認証拒否判定に共通なしきい値を表している。
【0063】
従って、第1スコアS1と第2スコアS2(一般にはj−1回目発声のスコアとj回目発声のスコア)を要素とする統合的スコアを用いる場合は、判別面として2次元平面上の基本的な判別関数f0を設定し、必要に応じて他人受理率と本人棄却率が一定の小さな値になるように、基本的な判別関数f0を2次元平面内で並行移動することで、認証受理判定用判別関数f1と認証受理判定用判別関数f2を定める。
【0064】
上記の議論は、任意の複数k個のスコアを要素とする集合を統合的スコアとする場合にも同様に成立する。この場合、k次元平面の基本的な判別関数f0を判別面として設定し、必要に応じて他人受理率と本人棄却率が例えば1%という一定の値になるように、基本的な判別関数f0をk次元平面内で並行移動することで、k個のスコアを要素とする統合的スコアを用いる場合の認証受理判定用判別関数f1と認証受理判定用判別関数f2を定める。また、判別関数f0、f1、f2は、発話者(利用者)毎に設定しても良いが、多数の発話者に対して共通な判別関数を設定しても実用上問題ない。
【0065】
[統合的話者判定:2回目その1]
図6のステップST21から図5のステップST11へ戻ったら、つまり、先の統合的スコア(S1,S2)を用いた統合的話者判定では予め定めた認証精度で本人か他人かを判定することができない場合は、統合的話者判定器7dにより2回目の統合的話者判定が行われる。この処理を図5、図7を参照して説明する。
【0066】
図5において、先ず、パタン指定器8は、話者登録用パタン蓄積器9に保存されている話者登録用パタンを読み出し、この話者登録用パタンに基づいて第3番目の話者認証用パタン例えば「8790」を指定する(ステップST11)。
【0067】
次いで、パタン指定器8は、第3番目に指定する話者認証用パタン(例えば「8790」)の発声を促す発声プロンプトCを生成して話者認証装置1から出力する(ステップST12)。この発声プロンプトCはバッファ10に上書き記憶で保存される。次いで、発話者が指定パタン(「8790」)を発声し、入力音声信号Aが入力されると、特徴抽出器2は入力音声信号Aから音響的特徴量を抽出する(ステップST13、ST14)。次いで、発声内容判定器3は、発話者の発声内容がバッファ10に保存されている発声プロンプトCで示される発声内容に一致するか判定する。この判定の結果、不一致の場合にはパタン指定器8は再度、同じ発声プロンプトCを出力する(ステップST15)。次いで、スコア計算器7bは、音声特徴情報蓄積器6の話者モデルを参照し、特徴抽出器2によって抽出された特徴量と話者モデルの特徴量との類似度を表すスコア(第3スコアS3)を計算する(ステップST16)。
【0068】
次いで、統合的話者判定器7dにより、第2スコアS2と第3スコアS3を要素とする集合である統合的スコア(第2統合的スコア)を用いて話者判定を行う。
【0069】
2回目の統合的話者判定では、図5中のステップST17からST21までの処理を、図7に示すステップST17からST20までの処理(ただし、ステップST18、ST21はなし)と読み替えるものとする。
【0070】
図7に示すように、統合的話者判定器7dは、第2スコアS2をスコア蓄積器7aから読み出し、この第2スコアS2とスコア計算器7bが計算した第3スコアS3を要素とする集合を統合的スコア(S2,S3)とし、この統合的スコアを認証受理と認証拒否に共通の所定の判別関数f3の入力として、その結果得られる判別関数f3の符号を0(ゼロ:しきい値)と比較する(ステップST17)。そして、判別関数f3の符号が正(プラス)である場合には、当該発話者が本人であると判定し、認証を受理する判定結果Bを出力する(ステップST19)。一方、ステップST17での比較の結果、判別関数f3の符号が正でない場合には、当該発話者が詐称者(他人)であると判定し、認証を拒否する判定結果Bを出力する(ステップST20)。判別関数f3は2次元平面の所定の判別関数であり、しきい値0とともに予め話者判定器7に設定されている。
【0071】
上記共通の判別関数f3としては、上述した認証受理判定用判別関数f1、または、認証拒否判定用判別関数f2、または、これら2つの認証受理用判別関数f1または認証拒否用判別関数f2の基になる基本的な判別関数f0、または、基本的な判別関数f0を適宜並行移動して得られる判別関数を用いることができる。判別関数f3として認証受理判定用判別関数f1を用いる場合は、他人受理率は小さくなるが、本人棄却率はやや大きくなる。認証拒否判定用判別関数f2を用いる場合は、逆に、本人棄却率は小さくなるが、他人受理率がやや大きくなる。また、基本的な判別関数f0を用いる場合は、本人棄却率は認証受理判定用判別関数f2を用いる場合に比べて大きく、他人受理率は認証拒否判定用判別関数f1を用いる場合に比べて大きくなる。一般に、基本的な判別関数f0を並行移動した判別関数を用いる場合は、並行移動の方向及び量に応じて、本人棄却率と他人受理率は変化する。どの判別関数を採用するかは、話者認証システムの目的及びそれが必要とする認証精度に応じて、実験等で決めればよい。
【0072】
ここで、上述した実施例の話者判定(1発声目のスコアs1を単独に用いた話者判定、これで判定不可の場合に1発声目のスコアS1と2発声目のスコアS2を統合的に用いた話者判定、これでも判定不可の場合には2発声目のスコアS2と3発声目のスコアS3を統合的に用いた話者判定)の効果を示す。比較例話者判定としては、1発声目のスコアs1を単独に用いて話者判定し、これで判定不可の場合は2発声目のスコアS2のみを単独に用いて話者判定し、これでも判定不可の場合には3発声目のスコアS3のみを単独に用いた話者判定した。但し、実施低、比較例いずれの場合も、話者登録時から2ヶ月経過した時点で実験を行った。また、等誤り率を3%として設定した。
【0073】
実施例の話者判定では、1発声目のスコアs1を単独に用いた話者判定では、本人を正しく本人と判定した発声の割合が80%、他人を正しく他人と判定した発声の割合が80%であり、これで判定不可となった残りの人に対について1発声目のスコアS1と2発声目のスコアS2を統合的に用いた話者判定では、本人を正しく本人と判定した発声の割合が10%、他人を正しく他人と判定した発声の割合が8%であり、これでも判定不可となった残りの人について2発声目のスコアS2と3発声目のスコアS3を統合的に用いた話者判定では、本人を正しく本人と判定した発声の割合が4%、他人を正しく他人と判定した発声の割合が6%であった。また、最大3回の発声で、本人の94%、詐称者(他人)の94%が等誤り率3%で判定でき、平均発声回数は1.32回であった。
【0074】
比較例の話者判定では、1発声目のスコアs1を単独に用いた話者判定では、本人を正しく本人と判定した発声の割合が80%、他人を正しく他人と判定した発声の割合が80%であり、これで判定不可となった残りの人に対について2発声目のスコアS2のみを単独に用いた話者判定では、本人を正しく本人と判定した発声の割合が10%、他人を正しく他人と判定した発声の割合が6%であり、これでも判定不可となった残りの人について3発声目のスコアS3のみ単独に用いた話者判定では、本人を正しく本人と判定した発声の割合が4%、他人を正しく他人と判定した発声の割合が7%であった。また、最大3回の発声で、本人の94%、詐称者(他人)の93%が等誤り率3%で判定でき、平均発声回数は1.34回であった。
【0075】
この結果より、比較例に比べ、実施例の話者判定の方が、2発声目で判定される他人の割合が6%から8%に増加し、全体に対する認証精度が向上するとともに、平均発声回数が減少したことが分かる。なお、実施例の話者判定の方が、3発声目で判定される他人の割合が7%から6%に減少しているが、これは2発声目の判定で判定不可となった人が少ない分、母集団が減少したためであり、問題ない。
【0076】
[統合的話者判定:2回目その2]
上述した2回目統合的話者判定では認証受理と認証拒否の2つに結論付けしているが、いずれとも判定できない場合(判定付加)も結論付けすることも可能である。この場合、図5中のステップST17からST21までの処理を、図7ではなく、図8に示ステップST17からST22までの処理(ステップST21はなし)と読み替えるものとする。
【0077】
図8に示すように、統合的話者判定器7dは、第2スコアS2をスコア蓄積器7aから読み出し、この第2スコアS2とスコア計算器7bが計算した第3スコアS3を要素とする集合を統合的スコア(S2,S3)とし、この統合的スコアを2次元平面の所定の認証受理判定用判別関数f1(第1判別関数)の入力として、その結果得られる認証受理判定用判別関数f1の符号を0(ゼロ:しきい値)と比較し(ステップST17)、認証受理判定用判別関数f1の符号が正(プラス)である場合には、当該発話者が本人であると判定し、認証を受理する判定結果Bを出力する(ステップST19)。上記認証受理判定用判別関数f1としきい値0は、予め話者判定器7に設定されている。この判別関数f1としては、他人受理率が少なくなるように、例えば、実験で他人受理率が数%、例えば1%となった値を採用する。
【0078】
一方、ステップST17での比較の結果、認証受理判定用判別関数f1の符号が正でない場合には、統合的スコア(S2,S3)を2次元平面の所定の認証拒否判定用判別関数f2(第2判別関数)の入力として、この結果得られる認証拒否判定用判別関数f2の符号を0(ゼロ:しきい値)と比較し(ステップST18)、認証拒否判定用判別関数f2の符号が負(マイナス)である場合には、当該発話者が詐称者(他人)であると判定し、認証を拒否する判定結果Bを出力する(ステップST20)。上記認証拒否判定用判別関数f2としきい値0は、予め話者判定器7に設定されている。この判別関数f2としては、本人棄却率が少なくなるように、例えば、実験で本人棄却率が他人受理率と同じ数%、例えば1%となった値を採用する。
【0079】
一方、ステップST18での比較の結果、統合的スコア(S2,S3)を入力した認証受理判定用判別関数f1の符号が正でなく、かつ、同じく統合的スコア(S2,S3)を入力した認証拒否判定用判別関数f2の符号が負でない場合には、統合的話者判定器7cは、統合的スコア(S2,S3)を用いた判定では予め定めた認証精度では認証受理とも認証拒否とも判定することができないと判断して(ステップST22)、判定を終了する。
【0080】
上記の実施例の話者判定では、1発声目のスコアs1を単独に用いて話者判定を行い、これで判定不可となった残りの人に対について1発声目のスコアS1と2発声目のスコアS2を統合的に用いて話者判定を行い、これでも判定不可となった残りの人について2発声目のスコアS2と3発声目のスコアS3を統合的に用いて話者判定を行ったが、統合的スコアの設定の仕方、あるいは、統合的話者判定と単独発声による話者判定との組み合わせの仕方には種々あり、以下にその幾つかを例示する。
(1)1発声目のスコアs1を単独に用いて話者判定を行い、これで判定不可となった残りの人について1発声目のスコアS1と2発声目のスコアS2を統合的に用いて話者判定を行い、これで判定不可となった残りの人について1発声目のスコアS1と2発声目のスコアS2と3発声目のスコアS3を統合的に用いて話者判定を行う。この場合、第2統合的スコアはS1とS2とS3を要素とする集合(S1,S2,S3)となる。
(2)1発声目のスコアs1を単独に用いて話者判定を行い、これで判定不可となった残りの人について1発声目のスコアS1と2発声目のスコアS2を統合的に用いて話者判定を行い、これで判定不可となった残りの人について1発声目のスコアS1と3発声目のスコアS3を統合的に用いて話者判定を行う。この場合、第2統合的スコアはS1とS3を要素とする集合(S1,S3)となる。言い換えれば、統合的スコアの要素は必ずしも連続した発声のスコアでなくても良い。
(3)1発声目のスコアs1を単独に用いた話者判定を行なわず、1回目と2回目の発声を続けて行わせ、1発声目のスコアS1と2発声目のスコアS2を統合的に用いて話者判定を行い、これで判定不可となった残りの人について2発声目のスコアS2と3発声目のスコアS3を統合的に用いて、あるいは、1発声目のスコアS1と3発声目のスコアS3を統合的に用いて(統合的スコアの要素は必ずしも連続した発声のスコアである必要はない)話者判定を行う。この場合のように、統合的話者判定のみで本人か他人かを判定するようにしても良い。
(4)1発声目のスコアs1を単独に用いた話者判定を行なわず、1回目と2回目と3回目の発声を続けて行わせ、1発声目のスコアS1と2発声目のスコアS2と3発声目のスコアS3を統合的に用いて一括して話者判定を行う。
(5)1発声目のスコアs1を単独に用いて話者判定を行い、これで判定不可となった残りの人について2発声目のスコアS2を単独に用いて話者判定を行い、これでも判定不可となった残りの人について1発声目のスコアS1と2発声目のスコアS2と3回目発声のスコアS3を統合的に用いて、あるいは、2発声目のスコアS2と3回目発声のスコアS3を統合的に用いて、あるいは、1発声目のスコアS1と3回目発声のスコアS3を統合的に用いて話者判定を行う。
(6)1発声目のスコアs1を単独に用いて話者判定を行い、これで判定不可となった人について2発声目のスコアS2を単独に用いて話者判定を行い、これでも判定不可となった人について3回目発声のスコアS3を単独に用いて話者判定を行い、これでも判定不可となった残りの人について1発声目のスコアS1と2発声目のスコアS2と3回目発声のスコアS3を統合的に用いて、あるいは、2発声目のスコアS2と3回目発声のスコアS3を統合的に用いて、あるいは、1発声目のスコアS1と3回目発声のスコアS3を統合的に用いて話者判定を行う。
【0081】
要するに、上記実施例のようにn=3の場合には、互いに異なる話者認証用発声パタンを最大で3回発話者に対して指定し、2回分または3回分の発声パタン指定に対応するスコアを要素とする集合を統合的スコアとし、この統合的スコアを2または3次元平面の判別関数の入力として、判別関数の符号から発話者が本人か他人かを判定する。その際、統合的話者判定を1段階あるいは2段階適用したり、あるいは、単独発声による話者判定を必要に応じて併用すると良い。
【0082】
一般的には、本発明では、互いに異なる話者認証用発声パタンを最大で複数n回発話者に対して指定し、複数k回(2≦k≦n)の発声パタン指定に対応するk個のスコアを要素とする集合を統合的スコアとし、この統合的スコアをk次元平面の判別関数の入力として、判別関数の符号から発話者が本人か他人かを判定するという話者認証手法をとることができる。その際、単独発声による話者判定を必要に応じて併用する。統合的スコアとしては、例えば、少なくとも1発声目のスコアを要素とする集合や、n―1発声目のスコア及びn発声目のスコアを要素とする集合など、2つあるいは3つ以上のスコアを要素とする集合を用いる。また、このような統合的話者判定を1段階あるいは2段階以上の多段階適用すると良い。
【0083】
なお、本発明の話者認証技術は、テレフォンバンキング等の電話サービスのための音声認証装置、あるいは各種Webサービスのための音声認証装置などに適用することができる。
【0084】
また、図5〜図9に示す各ステップを実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより話者認証処理を行っても良い。なお、ここでいう「コンピュータシステム」とは、OSや周辺機器当のハードウェアを含むものであっても良い。また、「コンピュータシステム」は、WWWシステムを利用している場合であれば、ホームページ提供環境(あるいは表示環境)を含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD―ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
【0085】
更に、「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ(RAM)のように、一定時間プログラムを保持しているものも含む。
【0086】
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されても良い。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク(通信網)や電話回線等の通信回線(通信線)のように情報を伝送する機能を有する媒体のことをいう。
【0087】
また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。更に、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル(差分プログラム)であっても良い。
【0088】
以上、図面を参照して本発明の実施形態を詳述してきたが、連続単語が連続数字や連続アルファベットなど任意の単語や記号が連続したもので良いなど、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。
【0089】
【発明の効果】
上述したように、本発明によれば、本人と他人(詐称者)との判定が難しい発声に対しては指定パタンを変えて再発声を促して複数発声のスコアを統合的に用いて判定することができ、予め設定した認証精度を保証することが可能である。また、本発明によれば、本人の発声を密かに録音しておいて後から再生する「録音再生式の詐称」に対して、頑強で且つ高認証精度を維持したテキスト指定型の話者認証技術を実現することができる。更に、複数発声を統合的に用いた話者判定を多段階行って予め設定した認証精度を保証する場合は、認証精度を改善し、認証受理を保証できる利用者(発話者)の割合を大きくすることができる。
【0090】
また、認証受理あるいは認証拒否のいずれであるとも判定できない場合に、前回指定した話者認証用パタンよりも認証精度を高めるような発声パタンを新たに指定することにより、利用者の負担を考慮してだんだんと認証精度を高めるようにして認証効率の向上を図ることができる。また、話者認証用パタンの再指定の際に、前回指定の話者認証用パタンよりも、話者登録用パタン内の複数単語の連鎖の組み数を増やすようにすれば、発声単語数は増えるが本人詐称防止効果を保ちつつ、認証精度を高めることができる。
【0091】
更に、話者登録に使用された発声パタンに含まれる複数単語の連鎖を少なくとも一組含む話者認証用の発声パタンを発話者に指定することにより、本人詐称を防止するとともに、利用者の負担をできるだけ軽減し、且つ効率良く認証を行うことができる。この場合、話者認証用パタンの再指定の際に、前回指定の話者認証用パタンよりも、話者登録用パタン内の一連の単語連鎖の数を増やすようにすれば、認証精度を優先して高めることができる。
【図面の簡単な説明】
【図1】本発明の一実施形態による話者認証装置の構成を示すブロック図。
【図2】話者判定器の構成例を示すブロック図。
【図3】話者登録処理の流れを示すフローチャート。
【図4】発声パタン指定の例を示す図。
【図5】話者認証処理の流れを示すフローチャート。
【図6】話者認証処理中、1回目の統合的話者判定部分の流れを示すフローチャート。
【図7】話者認証処理中、2回目の統合的話者判定部分の流れを示すフローチャート。
【図8】判別関数の設定方法の例を示す図。
【図9】話者認証処理中、2回目の統合的話者判定の別の例を示すフローチャート。
【符号の説明】
1 話者認証装置
2 特徴抽出器
3 発声内容判定器
4 スイッチ
5 登録判定器
6 音声特徴情報蓄積器
7 話者判定器
7a スコア蓄積器(スコア蓄積手段)
7b スコア計算器(スコア計算手段)
7c 単独発声用話者判定器(単独発声による話者判定手段)
7d 統合的話者判定器(統合的話者判定手段)
8 パタン指定器(発声パタン指定手段)
9 話者登録用パタン蓄積器(発声パタン記憶手段)
10 バッファ
11 従来のしきい値に相当する直線
12a 本人を認証受理する割合が増加する領域
12b 他人を認証拒否する割合が増加する領域

Claims (5)

  1. 発話者の発声と話者モデルとの類似度を表すスコアに基づいて本人認証を行う話者認証装置において、
    互いに異なる話者認証用発声パタンを、最大で複数n回、発話者に対して指定する発声パタン指定手段と、
    第i番目の発声パタン指定に対応する発話者の発声と話者モデルとのスコアを、第iスコアとして、計算するスコア計算手段と、
    複数k回の発声パタン指定に対応するk個のスコアを要素とする集合を統合的スコアとし、この統合的スコアをk次元平面の判別関数の入力として、判別関数の符号から発話者が本人か他人かを判定する統合的話者判定手段
    を備え、更に、
    第1スコア〜第nスコアを順に単独にしきい値と比較することで、発話者が本人か他人かを判定する単独発声による話者判定手段を備え、
    前記統合的話者判定手段は、単独発声による話者判定手段におけるいずれのスコアの比較においても、予め定めた認証精度で発話者が本人か他人かを判定することができない場合に、発話者が本人か他人かの判定を行うものであることを特徴とする話者認証装置。
  2. 請求項1において、統合的スコアが少なくとも第n―1スコア及び第nスコアを要素とする集合であることを特徴とする話者認証装置。
  3. 発話者の発声と話者モデルとの類似度を表すスコアに基づいて本人認証を行う話者認証装置において、
    互いに異なる話者認証用発声パタンを、最大で複数n回、発話者に対して指定する発声パタン指定手段と、
    第i番目の発声パタン指定に対応する発話者の発声と話者モデルとのスコアを、第iスコアとして、計算するスコア計算手段と、
    複数k回の発声パタン指定に対応するk個のスコアを要素とする集合を統合的スコアとし、この統合的スコアをk次元平面の判別関数の入力として、判別関数の符号から発話者が本人か他人かを判定する統合的話者判定手段
    を備え、更に、
    n=3、k=2であり、第1スコアを単独にしきい値と比較して発話者が本人か他人かを判定する単独発声による話者判定手段を備えること、
    前記統合的話者判定手段は、単独発声による話者判定手段による第1スコアとしきい値との比較では予め定めた認証精度で発話者が本人か他人かを判定することができない場合に、第1スコアと第2スコアを要素とする集合である第1統合的スコアを判別関数の入力として発話者が本人か他人かの判定を行い、この第1統合的スコアによる判定では予め定めた認証精度で発話者が本人か他人かを判定することができない場合に、第2スコアと第3スコアを要素とする集合である第2統合的スコアを判別関数の入力として発話者が本人か他人かの判定を行うものであることを特徴とする話者認証装置。
  4. 請求項1又は3において、話者登録に使用された話者登録用発声パタンを保存する発声パタン記憶手段を有し、前記発声パタン指定手段は話者認証用発声パタンとして、前記保存されている話者登録用発声パタンに含まれている複数単語の連鎖を少なくとも一組含む発声パタンを指定するものであることを特徴とする話者認証装置。
  5. 請求項1又は3において、前記判別関数として、本人を受理するための第1判別関数及び他人を棄却するための第2判別関数を有し、これら第1判別関数及び第2判別関数は他人受理率と本人棄却率が一定の値となるように設定されていることを特徴とする話者認証装置。
JP2003071577A 2003-03-17 2003-03-17 話者認証装置 Expired - Fee Related JP4163979B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2003071577A JP4163979B2 (ja) 2003-03-17 2003-03-17 話者認証装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2003071577A JP4163979B2 (ja) 2003-03-17 2003-03-17 話者認証装置

Publications (2)

Publication Number Publication Date
JP2004279770A JP2004279770A (ja) 2004-10-07
JP4163979B2 true JP4163979B2 (ja) 2008-10-08

Family

ID=33287988

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003071577A Expired - Fee Related JP4163979B2 (ja) 2003-03-17 2003-03-17 話者認証装置

Country Status (1)

Country Link
JP (1) JP4163979B2 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006184813A (ja) * 2004-12-28 2006-07-13 Advanced Telecommunication Research Institute International 外国語学習装置
CN101124623B (zh) 2005-02-18 2011-06-01 富士通株式会社 语音认证系统及语音认证方法
JP2007057714A (ja) * 2005-08-23 2007-03-08 Nec Corp 話者識別器更新データを生成する装置、方法、プログラムおよび話者識別器を更新する装置、方法、プログラム
US20090106025A1 (en) * 2006-03-24 2009-04-23 Pioneer Corporation Speaker model registering apparatus and method, and computer program
CN105678124A (zh) * 2014-11-20 2016-06-15 华为终端(东莞)有限公司 一种提升终端安全性的装置及方法
JP2016206428A (ja) * 2015-04-23 2016-12-08 京セラ株式会社 電子機器および声紋認証方法
JP7326983B2 (ja) * 2019-08-13 2023-08-16 富士フイルムビジネスイノベーション株式会社 情報処理装置及び情報処理プログラム

Also Published As

Publication number Publication date
JP2004279770A (ja) 2004-10-07

Similar Documents

Publication Publication Date Title
Naik Speaker verification: A tutorial
US6161090A (en) Apparatus and methods for speaker verification/identification/classification employing non-acoustic and/or acoustic models and databases
JP4672003B2 (ja) 音声認証システム
US20060020460A1 (en) Voice authentication system
US6272463B1 (en) Multi-resolution system and method for speaker verification
JP3390632B2 (ja) 話し手照合システムのための2段階群選択方法
US20030088414A1 (en) Background learning of speaker voices
Li et al. Automatic verbal information verification for user authentication
JP2007133414A (ja) 音声の識別能力推定方法及び装置、ならびに話者認証の登録及び評価方法及び装置
JPH0354600A (ja) 不明人物の同一性検証方法
JPH1173195A (ja) 話者の申し出識別を認証する方法
US6556969B1 (en) Low complexity speaker verification using simplified hidden markov models with universal cohort models and automatic score thresholding
Beigi Speaker recognition: Advancements and challenges
Chakroun et al. Robust text-independent speaker recognition with short utterances using Gaussian mixture models
JP4163979B2 (ja) 話者認証装置
KR100779242B1 (ko) 음성 인식/화자 인식 통합 시스템에서의 화자 인식 방법
Ozaydin Design of a text independent speaker recognition system
Pandey et al. Multilingual speaker recognition using ANFIS
JP7339116B2 (ja) 音声認証装置、音声認証システム、および音声認証方法
JPH10173644A (ja) 本人認証方法
Maes et al. Conversational speech biometrics
Ilyas et al. Speaker verification using vector quantization and hidden Markov model
WO2023274028A1 (zh) 声纹锁控制方法、装置、电子设备
JPH1173196A (ja) 話者の申し出識別を認証する方法
JP4440414B2 (ja) 話者照合装置及び方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20050830

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20071120

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20071127

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080128

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080226

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080422

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20080715

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20080725

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110801

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20140801

Year of fee payment: 6

LAPS Cancellation because of no payment of annual fees