[发明专利]一种基于音视频文件的用户行为认证方法和装置

说明书

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于音视频文件的用户行为认证方法和装置。

背景技术

随着互联网技术的广泛发展，用户可以通过互联网实现各种业务操作。比如：用户可以通过互联网进行交流通信，用户也可以通过互联网进行财务借贷等。要实现上述业务，服务提供方往往需要先对用户的行为进行认证，比如：通过用户的行为认证用户是否已经清楚了解业务操作的规定等。

相关技术中，用户可以上传一段音视频文件，然后由服务提供方基于该音视频文件对用户的行为进行认证。然而，目前服务提供方通常采用人工认证的方式，效率较低，且成本较高。因此，一种基于音视频文件的用户行为自动认证方案是亟待提供的。

发明内容

有鉴于此，本申请提供一种基于音视频文件的用户行为认证方法和装置。

具体地，本申请是通过如下技术方案实现的：

一种基于音视频文件的用户行为认证方法，所述方法包括：

判断用户上传的音视频文件的视频是否满足认证条件；

如果所述音视频文件的视频满足所述认证条件，则将所述音视频文件的音频转换为对应的待认证文本；

根据所述音视频文件对应的待认证文本对用户行为进行认证。

进一步地，所述判断用户上传的音视频文件的视频是否满足认证条件，包括：

从所述音视频文件中提取多张图片；

判断所述多张图片的背景的相似度是否大于等于第一阈值；

如果所述多张图片的背景的相似度大于等于所述第一阈值，则确认所述音视频文件的视频满足所述认证条件。

进一步地，所述将所述音视频文件的音频转换为对应的待认证文本，包括：

根据预设的第一分割规则将所述音视频文件的音频分为N个音频片段，N为大于1的自然数；

将所述音频片段中的音频转换为对应的初始文本；

组合所述N个音频片段对应的N个初始文本，以得到所述音视频文件对应的待认证文本。

进一步地，在将所述音频片段中的音频识别为对应的初始文本之后，所述方法还包括：

根据预设的第二分割规则从所述音视频文件的音频中提取出N-1个校验音频片段；

将所述校验音频片段中的音频转换为对应的校验文本；

根据所述N-1个校验文本判断所述N个音频片段对应的N个初始文本是否准确；

如果所述N个音频片段对应的N个初始文本准确，则组合所述N个音频片段对应的N个初始文本。

进一步地，所述根据所述音视频文件对应的待认证文本对用户行为进行认证，包括：

计算所述音视频文件对应的待认证文本和预设的认证文本的文本相似度；

当所述文本相似度大于等于预设的第二阈值时，确认用户认证通过。

一种基于音视频文件的用户行为认证装置，所述装置包括：

判断单元，用于判断用户上传的音视频文件的视频是否满足认证条件；

转换单元，用于在所述音视频文件的视频满足所述认证条件时，将所述音视频文件的音频转换为对应的待认证文本；

认证单元，用于根据所述音视频文件对应的待认证文本对用户行为进行认证。

进一步地，所述判断单元，具体用于从所述音视频文件中提取多张图片，判断所述多张图片的背景的相似度是否大于等于第一阈值，并在所述多张图片的背景的相似度大于等于所述第一阈值时，确认所述音视频文件的视频满足所述认证条件。

进一步地，所述转换单元，具体用于根据预设的第一分割规则将所述音视频文件的音频分为N个音频片段，N为大于1的自然数；将所述音频片段中的音频转换为对应的初始文本；组合所述N个音频片段对应的N个初始文本，以得到所述音视频文件对应的待认证文本。

进一步地，所述装置还包括：

校验单元，用于在将所述音频片段中的音频识别为对应的初始文本之后，根据预设的第二分割规则从所述音视频文件的音频中提取出N-1个校验音频片段；将所述校验音频片段中的音频转换为对应的校验文本；根据所述N-1个校验文本判断所述N个音频片段对应的N个初始文本是否准确；

所述转换单元，具体在所述N个音频片段对应的N个初始文本准确时，组合所述N个音频片段对应的N个初始文本。

进一步地，所述认证单元，具体计算所述音视频文件对应的待认证文本和预设的认证文本的文本相似度，并当所述文本相似度大于等于预设的第二阈值时，确认用户认证通过。