[发明专利]声纹密码认证方法及系统

说明书

技术领域

本发明涉及密码认证技术领域，特别涉及一种声纹密码认证方法及系统。

背景技术

声纹识别(Voiceprint Recognition，VPR)也称为说话人识别，有两类，即说话人辨认和说话人确认。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。

声纹认证是指根据采集到的语音信号确认说话人身份，属于“一对一”的判别问题。现今主流的声纹认证系统采用了基于假设检验的框架，通过分别计算声纹信号相对于说话人声纹模型以及背景模型的似然度并比较它们的似然比和预先根据经验设置的阈值大小来确认。显然背景模型和说话人声纹模型的精确度将直接影响到声纹认证效果，在基于数据驱动的统计模型设定下训练数据量越大则模型效果越好。

声纹密码认证是一种文本相关的说话人身份认证方法。该方法要求用户语音输入确定密码文本，并据此确认说话人身份。在该应用中用户注册及身份认证均采用确定密码文本的语音输入，因而其声纹往往较为一致，相应的可取得相比于文本无关的说话人确认更好的认证效果。

在声纹密码认证系统中，用户以语音输入信号替代传统的字串密码输入，相应的认证系统以说话人声纹模型的形式保存用户的声纹密码。现有的声纹密码认证系统大都是采用计算声纹信号相对于说话人声纹模型及背景模型的似然度，并比较其似然度比和预设的阈值大小来确认用户身份。因此，背景模型和说话人声纹模型的精确程度将直接影响到声纹密码认证的效果。

在现有技术中，声纹密码认证系统普遍采用通用背景模型，用于模拟文本无关的用户声纹特性，具体是在采集的多说话人数据上以离线方式训练得到单一的通用背景模型。这种通用背景模型虽然有较好的普适性，但模型描述不够精确，区分度较低，在一定程度上影响了密码认证的准确性。

发明内容

本发明实施例提供一种声纹密码认证方法及系统，以提高基于声纹密码进行身份认证的准确率。

一种声纹密码认证方法，包括：

接收登录用户录入的语音信号；

提取所述语音信号中的声纹特征序列；

对所述语音信号进行语音识别，获得所述登录用户的密码文本；

如果获得的密码文本与对应所述登录用户的注册密码文本不同，则确定所述登录用户为非认证用户；

如果获得的密码文本与对应所述登录用户的注册密码文本相同，

则确定对应所述登录用户的背景模型，所述背景模型包括：与文本无关的通用背景模型、以及与文本相关的优化背景模型；

分别计算所述声纹特征序列与对应所述登录用户的说话人声纹模型的似然度、以及所述声纹特征序列与所述背景模型的似然度；

根据所述声纹特征序列与说话人声纹模型的似然度、以及所述声纹特征序列与背景模型的似然度，计算似然比；

如果所述似然比大于设定的阈值，则确定所述登录用户为有效认证用户，否则确定所述登录用户为非认证用户。

优选地，所述确定对应所述登录用户的背景模型包括：

如果有与所述登录用户的密码文本对应的优化背景模型，则选择该优化背景模型作为对应所述登录用户的背景模型；否则选择所述通用背景模型作为对应所述登录用户的背景模型。

优选地，所述方法还包括：

将登录用户录入的语音信号或者从登录用户录入的语音信号中提取的声纹特征序列写入与所述登录用户录入的语音信号相应的密码文本对应的缓存区；

接收注册用户录入的注册语音信号；

对所述注册语音信号进行语音识别，得到所述注册用户的注册密码文本；

将所述注册语音信号或者从所述注册语音信号中提取的声纹特征序列写入与该注册语音信号相应的密码文本对应的缓存区；

根据所述注册用户录入的注册语音信号训练对应所述注册用户的说话人声纹模型；

实时根据每个缓存区中的数据构建或更新与所述缓存区对应密码文本相关的优化背景模型。

可选地，所述实时根据每个缓存区中的数据构建或更新与所述缓存区对应密码文本相关的优化背景模型：