[发明专利]基于声纹特征识别实现通话相关风险性判断系统及方法

权利要求书

1.基于声纹特征识别实现通话相关风险性判断的方法，其特征在于，包括以下步骤：

Step1：对通话音频进行记录监控，并上传至数据库；

Step2：对双通道音频进行通道分离，提取用户侧通话；

Step3：通过智能去静音手段，去除静音音频片段，将其他有效音频重新合并为新音频；

Step4：通过人工智能深度学习算法，基于训练好的模型，提取用户通话音频的声纹特征；

Step5：将通话音频上传至数据库；

Step6：对留存的通话音频进行筛选，并依据质量因素进行评定分级；

Step7：以质量高的通话音频为参照优先级；

Step8：基于余弦相似度，通过相对相似度来表示不同轮次通话之间声纹特征的差异，分析相似度大小和两两对比中低于阈值的总次数，相似度高、并且低于阈值的总次数少的通话信息，其决策偏向于有效；

Step9：决策该通话与其他通话是否为同一用户；

Step10：决策通过，判定正常；

Step11：决策未通过，判定不正常；

Step12：对疑问数据进行留存；

Step13：进行二次人工核验后，重新提交。

2.根据权利要求1所述的基于声纹特征识别实现通话相关风险性判断的方法，其特征在于：所述步骤Step2中的提取用户侧的通话过程中，需要通过python转换音频格式，调整到适配格式，以进行双通道音频的分离，区别对话的双方。

3.根据权利要求1所述的基于声纹特征识别实现通话相关风险性判断的方法，其特征在于：所述步骤Step3中的智能去静音手段是基于波形图的vad静音检测，在进行音频切割和有效音频合并后，最终截取得到一通电话的有效音频数据。

4.根据权利要求1所述的基于声纹特征识别实现通话相关风险性判断的方法，其特征在于：所述步骤Step4中的基于Resnet深度学习算法，依据多层神经网络的特征提取能力，通过训练模型得到声纹特征相关参数，最终可提取到通话对应的声纹特征，根据每个人声色等固有特征的本身差别，通过声纹特征区分不同说话人。

5.根据权利要求1所述的基于声纹特征识别实现通话相关风险性判断的方法，其特征在于：所述步骤Step6中的质量因素包括：音频清晰度、音频数据大小、音频数据存储时间。

6.根据权利要求1所述的基于声纹特征识别实现通话相关风险性判断的方法，其特征在于：所述步骤Step13中的人工核验方式包括：比对历史音频信息、查验系统故障。

7.根据权利要求1所述的基于声纹特征识别实现通话相关风险性判断的方法，其特征在于：所述步骤6中的筛选触发因素为：每当同一用户有通话信息更新添加时，即可在同一用户的音频信息中再次进行筛选。

8.基于声纹特征识别实现通话相关风险性判断的系统，所述系统是对权利要求1-7任一项所述基于声纹特征识别实现通话相关风险性判断的方法的实施系统，其特征在于，包括：

中心控制端(1)，用于总控系统的运作，发送运行指令；

信息采集模块(2)，用于在通话过程中，采集通话音频数据；

存储模块(3)，用于作为数据的总留存处，可读入与写入信息；

处理模块(4)，用于处理通话音频信息，对通话音频进行去静音，合并有效的通话音频；

提取模块(5)，用于提取用户通话音频的声纹特征；

比对模块(6)，用于分析用户实时通话音频，与历史留存的声纹信息进行比对；

暂存模块(8)，用于对未通过决策的通话音频进行记录，进行转存；

审验模块(9)，用于人工检查未通过决策的通话音频，分析是否有干扰信息，影响决策结果；

筛选模块(10)，用于对留存的历史音频数据进行筛选；

分级模块(11)，用于对筛选后的历史音频数据进行分级，将质量高的音频数据作为优先级参照信息。