[发明专利]声纹识别算法评估方法、系统、移动终端及存储介质

说明书

本发明提供了一种声纹识别算法评估方法、系统、移动终端及存储介质，该方法包括：获取情绪样本声纹的声纹主频率，根据声纹主频率对样本声纹信号进行情绪因子分离，并根据分离后的样本声纹信号训练情绪分类器；获取真假音声纹样本训练假音分类器，获取声纹测试样本进行频率提取，得到幅频信息；根据幅频信息计算声纹测试样本的音量比并进行存储，得到音量比数据库；控制待测试声纹识别算法对声纹测试样本对进行测试，控制情绪分类器、假音分类器和音量比数据库对待测试声纹识别算法中识别失败的样本进行分类评估得到评估结果。本发明能的从情绪、真假音和音量三个场景角度对声纹识别算法进行评估，以评估声纹识别算法在不同应用场景下的识别效果。

技术领域

本发明属于声纹识别技术领域，尤其涉及一种声纹识别算法评估方法、系统、移动终端及存储介质。

背景技术

每个人的声音都蕴涵着特有的生物特征，声纹识别是指利用说话人的声音来识别说话人的一种技术手段。声纹识别同指纹识别等技术一样具有高度的安全可靠性，可以应用在所有需要做身份识别的场合。如在刑侦、银行、证券、保险等金融领域。与传统的身份识别技术相比，声纹识别的优势在于，声纹提取过程简单，成本低，且具有唯一性，不易伪造和假冒。

现有的声纹识别过程中均是基于声纹识别算法以达到对声纹识别的效果，因此，为保障声纹识别的准确性，针对声纹识别算法的性能评估就尤为重要。但现有的声纹识别算法评估过程中，仅基于声纹识别算法的识别率以评估算法的性能，无法体现声纹识别算法在不同应用场景下的识别效果，使得不同应用场景下的声纹识别算法的选择容易出现误判，降低了声纹识别算法评估的准确性。

发明内容

本发明实施例的目的在于提供一种声纹识别算法评估方法、系统、移动终端及存储介质，旨在解决现有的声纹识别算法评估过程中，由于无法体现声纹识别算法在不同应用场景下的识别效果所导致的评估准确性低下的问题。

本发明实施例是这样实现的，一种声纹识别算法评估方法，所述方法包括：

获取情绪样本声纹的声纹主频率，根据所述声纹主频率对采集到的样本声纹信号进行情绪因子分离，并根据分离后的所述样本声纹信号训练情绪分类器；

获取真假音声纹样本训练假音分类器，并获取声纹测试样本进行频率提取，以得到幅频信息；

根据所述幅频信息计算所述声纹测试样本的音量比，并将所述音量比与对应所述声纹测试样本进行存储，以得到音量比数据库；

控制待测试声纹识别算法对所述声纹测试样本对进行测试，并控制所述情绪分类器、所述假音分类器和所述音量比数据库对所述待测试声纹识别算法中识别失败的样本进行分类评估，以得到评估结果。

更进一步的，所述获取情绪样本声纹的声纹主频率的步骤包括：

构建发声滤波器，并根据所述发声滤波器对所述情绪样本声纹进行滤波处理；

获取所述情绪样本声纹的频谱峰值，并根据所述频谱峰值查询所述声纹主频率。

更进一步的，所述获取真假音声纹样本训练假音分类器的步骤包括：

获取采集对象在正常发音状态下和假音发音状态下的发音声纹样本，并对所述发音声纹样本进行真假音标记，以得到所述真假音声纹样本；

构建所述假音分类器，并根据所述真假音声纹样本对所述假音分类器进行训练。

更进一步的，所述根据所述幅频信息计算所述声纹测试样本的音量比的步骤包括：

计算所述幅频信息中的幅频值与短时声纹信号的0频幅频之间的比值，以得到所述音量比。

更进一步的，所述控制所述情绪分类器、所述假音分类器和所述音量比数据库对所述待测试声纹识别算法中识别失败的样本进行分类评估的步骤包括：