CN105118509A - 一种基于声纹二维码的安全认证方法 - Google Patents

Abstract

本发明公开了一种基于声纹二维码的安全认证方法，属于二维码编解码技术和声纹识别技术领域。本方法对用户输入的语音进行特征提取，生成对应的声纹模型，并将声纹模型压缩编码成二维码；用户使用声纹二维码作为身份凭证购票，购票成功后返回带有声纹二维码及所购票信息的电子或纸质票据，验票时输入收到的声纹二维码进行识别；当用户的二维码凭证有效时，用户进行语音输入，对用户输入的语音提取声纹特征，与用户的声纹模型进行相似性比较，判断是否为本人。本发明适用于安全性较高的临时验证场景，使用过程简单，自然，并且能够进行大规模的自动化，提高验证效率。

Description

一种基于声纹二维码的安全认证方法

技术领域

本发明属于二维码编解码技术和声纹识别技术领域，具体涉及一种基于声纹二维码的安全认证方法。

背景技术

二维码(Two-dimensionalcode)，又称二维条码，它是用特定的几何图形按一定规律在平面(二维方向)上分布的黑白相间的图形，是所有信息数据的一把钥匙。我国对二维码技术的研究开始于1993年。中国物品编码中心对几种常用的二维码PDF417、QRCCode、DataMatrix、MaxiCode、Code49、Code16K、CodeOne的技术规范进行了翻译和跟踪研究。

声纹识别(VoiceprintRecognition,VPR)，也称为说话人识别(SpeakerRecognition)，有两类，即说话人辨认(SpeakerIdentification)和说话人确认(SpeakerVerification)。说话人辨认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；而说话人确认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，如缩小刑侦范围时可能需要辨认技术，而银行交易时则需要确认技术。不管是辨认还是确认，都需要先对说话人的声纹进行建模，这就是所谓的“训练”或“学习”过程。

传统票据验证需要人工核对，例如火车票验票，要工作人员先验票、验身份证，之后再对比身份证照片和人脸，进而判断是否为车票所有者本人，验证过程费时、费力，并且存在验证过程安全性不高的问题。

发明内容

本发明针对目前纸质票据验证安全性不足、验证费时费力的缺点，以更方便应用于对安全性有较高要求的临时身份认证场景，提供了一种基于声纹二维码的安全认证方法。

本发明提供的基于声纹二维码的安全认证方法，包括如下步骤：

步骤1，声纹二维码编码，具体是：用户进行多次语音输入，提取语音的声纹特征；利用提取的声纹特征训练生成用户的声纹模型；将声纹模型的参数进行数据压缩并生成二维码；

步骤2，用户使用声纹二维码作为身份凭证购票，购票成功后返回带有声纹二维码及所购票信息的电子或纸质票据，验票时输入收到的声纹二维码进行识别；

步骤3，在用户的声纹二维码凭证有效的情况下，用户进行语音输入，对用户输入的语音提取声纹特征，并与用户的声纹模型进行相似性比较，判断用户是否为本人。

步骤1中所述的提取语音的声纹特征，对语音信号依次进行如下处理：对输入的语音信号进行预加重，对预加重后的语音信号进行交叠式的分帧，对分帧后的语音信号进行加窗，对语音进行端点检测，识别出语音的开始段、噪声段和结束段；再对处理后的语音信号提取声纹特征。

本发明的优点与积极效果在于：(1)本发明声纹二维码的概念，能够有效地解决传统票据或凭证(例如火车票、门票等)验证过程安全性不高的问题。(2)本发明相对于传统临时身份验证方法，使用过程简单，自然，并且能够进行大规模的自动化，可以省去人工验证过程，并且能提高验证效率。(3)本发明相对于传统票据而言，更具有通用性，该声纹二维码可以用在所有需要进行身份验证的场景下，并且成本低廉，只需要图像采集设备和语音输入设备。

附图说明

图1为本发明的基于声纹二维码的安全认证方法的整体流程示意图；

图2为本发明方法在火车票购票和验票的场景下应用的流程示意图；

图3为本发明编码生成声纹二维码的流程示意图；

图4为本发明利用声纹二维码进行识别与验证的流程示意图；

图5为本发明步骤3用户输入语音进行声纹验证的流程示意图。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明提供的基于声纹二维码的安全认证方法，主要包括两部分：声纹二维码编码；声纹二维码识别与验证。声纹二维码编码是：通过多次录制用户的语音进行训练，产生用户的声纹模型，并将该模型通过压缩编码生成声纹二维码。该声纹二维码即作为该用户固定的身份凭证，在其他业务系统(如火车票购票系统)需要记录用户身份凭证时进行发送。声纹二维码识别与验证是：在用户需要进行身份验证时，用户首先通过声纹二维码扫描，获得用户声纹信息。如果用户的声纹二维码在系统中有记录，则证明持有该声纹二维码(如电子或纸质火车票上的声纹二维码)的用户具有合法身份。之后系统提示用户进行声纹输入，系统将输入声纹与从声纹二维码中解析出的声纹进行相似性验证，并给出得分。如果得分大于既定阈值，则该用户为合法用户。否则该用户非法。通过二维码和声纹的两步的验证，系统能够为有高安全性要求的临时身份验证的场景(如火车票验票、贵重物品签收等)，提供通用的快捷、安全的认证方式。

本发明的基于声纹二维码的安全认证方法，如图1所示。下面将结合在图2所示的在火车票购票和验票的场景对各步骤进行说明。

步骤1，用户进行多次语音输入，对语音进行处理生成声纹二维码。生成声纹二维码的过程如图3所示。步骤1的实现步骤分为步骤1.1～步骤1.3。

步骤1.1，用户进行多次语音输入，提取语音的声纹特征。设用户通过语音输入设备进行M次的语音输入，M≥1。提取语音声纹特征的过程如图3所示，包括步骤1.1.1～步骤1.1.5。

步骤1.1.1，对输入的语音信号进行预加重，所述预加重过程是通过高通滤波器来完成，目的是为了对语音的高频部分进行加重，去除口唇辐射的影响，增加语音的高频分辨率。高通滤波器在z域的传递函数H(z)如下：

H(z)＝1-az^-1(1)

通过一阶有限长冲激响应(FIR)高通数字滤波器来实现预加重，设n时刻的语音采样值为S₁(n)，n-1时刻的语音采样值为S₁(n-1)，S(n)为预加重之后的语音信号，a为预加重系数，0.9<a<1.0均可，本发明实施例中取a＝0.98。

对信号预加重处理后的结果如下：

S(n)＝S₁(n)-a×S₁(n-1)(2)

步骤1.1.2，对预加重后的语音信号进行交叠式的分帧。

将语音信号分帧是为了将信号分成若干段来处理，每一段称为一“帧”。本发明采用的是交叠式分帧，即前后两帧会产生交叠，即帧移。

步骤1.1.3，对分帧后的语音信号进行加窗，加窗可以选取但不限于汉明(Hamming)窗等方式。本发明实施例中采用汉明窗对信号进行加窗。

分帧后将会产生频谱泄漏，因此需要采用汉明窗对信号进行加窗。汉明窗具体如下：

其中，w(n)为Hamming窗函数，N为帧长，通常取256，参数b＝0.46。

假设预加重得到的语音信号为S(n)，则加窗后得到的语音信号S'(n)＝S(n)×w(n)。

步骤1.1.4，对语音进行端点检测，识别出语音的开始段、噪声段和结束段。可采用基于短时能量或者短时过零率等指标来进行端点检测。

例如采用短时能量对语音信号进行端点检测，判断语音的开始和结束时刻。通过设定短时能量的高低阈值来判断语音的起始和结束段。当语音状态为静音态时，若信号的短时能量大于高阈值，则标记该时刻为起始时刻，进入语音状态。之后如果短时能量小于低阈值，且其持续时间小于最短时间阈值，则认为目前这段信号为一段噪声，继续处理后面语音，否则认为语音结束。所述第n帧的短时能量E(n)为：

$E\left(n\right)=\underset{m=0}{\overset{n-1}{\&Sigma;}}{\&lsqb;S\left(m\right)w\left(m\right)\&rsqb;}^2---\left(4\right)$

步骤1.1.5，提取用户语音的声纹特征，可以是梅尔倒谱系数或Gammatone频率倒谱系数等能够标识用户声音特点语音特征。

本发明实施例采用每一帧语音的梅尔倒谱系数对信号进行特征提取，针对每一帧语音x(n)，通过计算，得到16维梅尔倒谱系数(MFCC)。

步骤1.2，利用提取的声纹特征训练生成用户的声纹模型。

通过用户语音的声纹特征进行用户声纹模型的建模。例如，使用期望最大(EM)算法训练高斯混合-通用背景模型(GMM-UBM模型)，使用Layer-Wise算法训练深度信念网等方法得到不同形式的声纹模型。

本发明实施例基于对得到的梅尔倒谱系数特征使用EM算法进行高斯混合模型(GMM)的参数训练。得到GMM的α,μ,C参数矩阵。其中α为GMM模型的权值向量，μ为均值向量，C为协方差矩阵。将上述过程进行多次语音的训练，最后得到训练好GMM模型，也就是用户的声纹模型。

步骤1.3，将声纹模型编码为二维码。

通过将生成的声纹模型的主要参数进行数据压缩与编码，可以形成QRCode、PDF417等不同格式的二维码，它们均可以用于用户身份信息验证。将数据编码成二维码的技术已经比较成熟，例如可以采用Google提供的Zxing软件包来实现。编码后的二维码即可作为用户的身份凭证。该二维码凭证可以在其他业务系统(如火车票购票系统)需要记录用户身份时，进行电子形式的发送，或者作为关键信息进行票据形式的打印。

本发明实施例中，将GMM模型的参数矩阵的值，按照一定格式顺序，进行数据压缩，可以采取Gzip等压缩方式。

将压缩得到的数据进行二维码的编码。本发明实施例采用Google提供的Zxing软件包提供的编码方法，此编码可以生成QRCODE，PDF417码等不同格式的二维码。

步骤2，用户使用声纹二维码作为身份凭证购票，购票成功后返回带有声纹二维码及所购票信息的电子或纸质票据，验票时将收到的声纹二维码输入进行识别。

当在具体应用场景使用时，声纹编码后的二维码可以作为身份凭证，当某业务系统需要记录用户身份凭证时，可以通过网络将该二维码发送。例如使用声纹二维码作为身份凭证进行火车票购票，用户购买火车票时，将声纹二维码发给购票系统，记录用户身份凭证后，购票成功后，购票系统返回带有声纹二维码及乘车信息的电子或纸质票据。乘车验票时，用户需出示购票等产生的电子凭证，通过扫码器扫描带有声纹二维码的电子或纸质票据，对输入的声纹二维码进行识别。本步骤将验证该用户是否为已购票用户，同时获得购票用户的声纹信息，以便之后确认用户是否为购票者本人。

验票识别声纹二维码的过程如图4所示，包括步骤2.1～步骤2.6。

步骤2.1，通过图像采集设备对用户输入的二维码进行图像采集。

步骤2.2，对图像进行条码定位，定位过程可有多种实现方式，例如可以采取以下过程：

首先，将图像转换为二值图像。图像的二值化可以按下式来实现：

$g(x,y)=\left\{\begin{array}{cc}255& f\left(x,y\right)\&GreaterEqual;T\\ 0& f\left(x,y\right)<T\end{array}\right.---\left(5\right)$

其中，f(x,y)是图像中坐标(x,y)处像素的灰度值，T为自适应门限。

然后，对二值化图像进行膨胀运算。

本发明实施例中通过下式进行膨胀处理：

$A\&CirclePlus;B=\left\{x|\&lsqb;{\left(\hat{B}\right)}_x\&cap;A\&rsqb;\&NotEqual;\mathrm{\&Phi;}\right\}---\left(6\right)$

其中，A表示待处理的图像，B为结构元素，遍历A中点x，若把结构元素B的映射中心平移x后得到若表示击中集合A，则记录点x，点x属于膨胀后的集合。所有满足公式(6)的x点的集合称做A被B膨胀的结果。

对膨胀后的图像进行边缘检测，检测过程使用Canny、Sobel等不同算子进行检测均可。

步骤2.3，采用交替的区域增长和凸壳计算方式对边缘检测后的图像边界进行修正，得到完整的条码区域。

步骤2.4，得到标准条码图像后，对条码符号进行网格采样，并根据阈值确定是深色块还是浅色块，构造用0、1表示深浅色块的数字位图，从而得到条码的二进制序列。再对得到的二进制序列进行纠错和译码，最后根据条码的逻辑编码规则把这些二进制形式的数据位流转换成数据码字。

步骤2.5，将解析出的二维码数据码字按照编码时预先约定的格式进行参数提取，得到原始的用户声纹模型。

步骤2.6，判断该声纹模型是否已经记录，可以使用哈希(hash)值等方式进行判断。如果用户声纹模型未记录，则该用户的凭证无效。例如在火车验票时，表示该用户未购票。如果该用户声纹模型存在记录，则该用户的凭证有效。若凭证有效，继续步骤3。

步骤3，用户输入语音，进行声纹验证。如图5所示，包括步骤3.1和步骤3.2。

步骤3.1，在用户声纹二维码的凭证有效的情况下，用户进行语音输入。

在识别用户声纹二维码的凭证有效的情况下，将提示用户进行语音输入，验证是否为车票购买者本人。

步骤3.2，将用户输入的语音提取声纹特征，并与用户的声纹模型进行相似性比较，判断用户是否为本人。

将用户输入的语音进行预加重、分帧、加窗、滤波、特征提取等操作后，得到语音的声纹特征，将该声纹特征与原始创建的声纹模型进行声纹相似性判断。例如如果是GMM-UBM模型，则将参数进行相似性判断，得出得分。对于神经网络模型，则将特征或者原始信号输入网络，利用神经网络的分类器得到用户的输出向量。判断输出得分或向量分量，是否大于给定阈值，若大于则说话者为声纹二维码注册者本人，且凭证合法，否则虽然凭证合法，但非声纹二维码注册者本人。

本发明结合了二维码的便捷性和声纹的安全性，相对于传统纸质票据，本方法提供了更安全的身份验证方式。相对于身份证、指纹识别等安全性较高的验证方法，本方法能够提供自然、快捷的临时安全验证机制，同时具有成本低，不易丢失等特点。本发明对安全性较高的临时验证场景十分有效。如火车票验票、贵重物品的寄存或物流签收、安全等级较高的场所出入验证等场景。

Claims (5)

1.一种基于声纹二维码的安全认证方法，其特征在于，当用于某场景时，包括如下步骤：

步骤1，声纹二维码编码，具体是：用户进行多次语音输入，提取语音的声纹特征；利用提取的声纹特征训练生成用户的声纹模型；将声纹模型的参数进行数据压缩并生成二维码；

步骤2，用户使用声纹二维码作为身份凭证购票，购票成功后返回带有声纹二维码及所购票信息的电子或纸质票据，验票时输入收到的二维码进行识别；

步骤3，在用户的声纹二维码凭证有效的情况下，用户进行语音输入，对用户输入的语音提取声纹特征，并与用户的声纹模型进行相似性比较，判断用户是否为本人。

2.根据权利要求1所述的一种基于声纹二维码的安全认证方法，其特征在于，步骤1中所述的提取语音的声纹特征，对语音信号依次进行如下处理：对输入的语音信号进行预加重，对预加重后的语音信号进行交叠式的分帧，对分帧后的语音信号进行加窗，对语音进行端点检测，识别出语音的开始段、噪声段和结束段；再对处理后的语音信号提取声纹特征。

3.根据权利要求2所述的一种基于声纹二维码的安全认证方法，其特征在于，所述的声纹特征，采用梅尔倒谱系数进行提取，对每一帧语音获得16维梅尔倒谱系数。

4.根据权利要求1或3所述的一种基于声纹二维码的安全认证方法，其特征在于，所述的声纹模型，通过使用期望最大算法训练高斯混合模型，获得高斯混合模型的α,μ,C参数矩阵，其中α为GMM模型的权值向量，μ为均值向量，C为协方差矩阵。

5.根据权利要求1所述的一种基于声纹二维码的安全认证方法，其特征在于，步骤2中所述的验票时输入收到的声纹二维码进行识别，具体是：

步骤2.1，通过图像采集设备采集用户的二维码；

步骤2.2，对采集的图像进行条码定位，具体是：对图像依次进行二值化、膨胀处理、边缘检测；

步骤2.3，采用交替的区域增长和凸壳计算方式对边缘检测的图像边界进行修正，得到完整的条码区域；

步骤2.4，对得到的条码符号进行网格采样，获得条码的二进制序列，对得到的二进制序列进行纠错和译码，根据条码的逻辑编码规则把数据位流转换成数据码字；

步骤2.5，将解析出的数据码字按照编码时预先约定的格式进行参数提取，得到原始的用户声纹模型；

步骤2.6，判断该声纹模型是否已经记录，若是，表示该用户的凭证有效，继续步骤3；否则，表示该用户的凭证无效。