[发明专利]身份认证方法和系统

权利要求书

1.一种身份认证方法，其特征在于，包括：

若接收到用户的身份认证请求，则采集所述用户的语音信号、指纹图像数据和人脸图像数据；

对所述语音信号提取频谱特征，得到声纹特征信息；

将所述声纹特征信息转换为预设维度的声纹矩阵；

将所述指纹图像数据转换为所述预设维度的指纹图像矩阵；

将所述人脸图像数据转换为所述预设维度的人脸图像矩阵；

将所述声纹矩阵、所述指纹图像矩阵和所述人脸图像矩阵进行矩阵拼接，得到所述用户的身份矩阵数据；

将所述用户的所述身份矩阵数据输入至预先经过训练的预设神经网络模型进行生物特征识别，得到所述用户的第一生物特征数据；

计算所述第一生物特征数据和预先注册的至少一个用户的至少一个第二生物特征数据之间的相似度；

确定所述最大相似度对应的目标用户；

若最大相似度大于预设相似度阈值，则返回表示所述目标用户通过身份认证的验证结果；

若所述最大相似度小于或等于所述预设相似度阈值，则返回表示所述目标用户未通过身份认证的验证结果。

2.根据权利要求1所述的方法，其特征在于，

所述对所述语音信号提取频谱特征，得到声纹特征信息之前，所述方法还包括：

去除所述语音信号中的噪音信息；

对去除噪音信息后的所述语音信号进行采样量化处理；

对采样量化处理后的所述语音信号进行预加重处理；

对预加重处理后的所述语音信号进行取音框处理；

对取音框处理后的所述语音信号进行加窗处理；

所述对所述语音信号提取频谱特征，得到声纹特征信息，包括：

对加窗处理后的所述语音信号提取频谱特征，得到声纹特征信息。

3.根据权利要求1所述的方法，其特征在于，在接收所述用户的身份认证请求之前，所述方法还包括：

利用多个用户的训练样本对所述预设神经网络模型进行生物特征识别训练，得到经过训练的所述预设神经网络模型；

所述训练样本包括正样本和负样本，其中，正样本包括同一个用户的语音信号、指纹图像数据和人脸图像数据；负样本包括不同用户的语音信号、指纹图像数据和人脸图像数据。

4.根据权利要求1所述的方法，其特征在于，所述若最大相似度大于预设相似度阈值，则返回表示所述目标用户通过身份认证的验证结果之后，所述方法还包括：

采用所述第一生物特征数据对预先注册的所述目标用户的所述第二生物特征数据进行更新，以及采用所述最大相似度对所述预设相似度阈值进行更新。

5.一种身份认证系统，其特征在于，包括：

采集模块，用于若接收到用户的身份认证请求，则采集所述用户的语音信号、指纹图像数据和人脸图像数据；

特征提取模块，用于对所述语音信号提取频谱特征，得到声纹特征信息；

第一转换模块，用于将所述声纹特征信息转换为预设维度的声纹矩阵；

第二转换模块，用于将所述指纹图像数据转换为所述预设维度的指纹图像矩阵；

第三转换模块，用于将所述人脸图像数据转换为所述预设维度的人脸图像矩阵；

拼接模块，用于将所述声纹矩阵、所述指纹图像矩阵和所述人脸图像矩阵进行矩阵拼接，得到所述用户的身份矩阵数据；

输入模块，用于将所述用户的所述身份矩阵数据输入至预先经过训练的预设神经网络模型进行生物特征识别，得到所述用户的第一生物特征数据；

计算模块，用于计算所述第一生物特征数据和预先注册的至少一个用户的至少一个第二生物特征数据之间的相似度；

确定模块，用于确定所述最大相似度对应的目标用户；

第一返回模块，用于若最大相似度大于预设相似度阈值，则返回表示所述目标用户通过身份认证的验证结果；

第二返回模块，用于若所述最大相似度小于或等于所述预设相似度阈值，则返回表示所述目标用户未通过身份认证的验证结果。