一种用于智能门禁的声纹识别方法技术

本发明专利技术公开了一种用于智能门禁的声纹识别方法，包括以下处理模块：特征提取模块、声纹识别模块和数字确认模块；通过通过特征提取模块，将公司内部登记在册的员工声音波形信号和当前输入的说话人声音波形信号，转换成更易进行声纹区分的梅尔倒谱系数特征；进入声纹识别模块，利用所设计的人工神经网络模型对输入说话人的声纹特征与登记在册的声纹特征进行相似度比较，确认是否是本公司的员工，且输入说话人的声纹特征与登记在册的声纹特征匹配，则进入数字验证模块。采用单个麦克风声学传感器作为门禁系统的输入信号源，相较于摄像头、触摸屏等输入设备而言，产品部署时的体积更小，成本更低。成本更低。成本更低。

【技术实现步骤摘要】
一种用于智能门禁的声纹识别方法


[0001]本专利技术属于智能门禁
，具体涉及一种用于智能门禁的声纹识别方法。

技术介绍

[0002]市场上用于企业智能门禁系统的解锁打卡方法众多，有数字密码、指纹识别、人脸识别等等，目前企业里使用的最多、最便捷的解锁打卡方法大多是基于人脸识别的技术。
[0003]实际上，人脸识别技术在戴帽子、戴口罩、脸部遮挡、身后有人等特殊情况下，会存在无法识别或者误识别的几率；并且，人脸识别技术需要部署摄像头，相较于其他方法所使用的指纹识别芯片、数字按键、触摸屏而言，不仅产品部署起来更占空间，而且成本也更高。

技术实现思路

[0004]本专利技术的目的在于提供一种用于智能门禁的声纹识别方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种用于智能门禁的声纹识别方法，包括以下处理模块：特征提取模块、声纹识别模块和数字确认模块；
[0006]具体识别步骤如下：
[0007]步骤一：通过通过特征提取模块，将公司内部登记在册的员工声音波形信号和当前输入的说话人声音波形信号，转换成更易进行声纹区分的梅尔倒谱系数特征；
[0008]步骤二：进入声纹识别模块，利用所设计的人工神经网络模型对输入说话人的声纹特征与登记在册的声纹特征进行相似度比较，确认是否是本公司的员工，且输入说话人的声纹特征与登记在册的声纹特征匹配，则进入数字验证模块，如输入说话人的声纹特征与登记在册的声纹特征匹配，则解锁失败；
[0009]步骤三：声纹确认完毕且匹配后，将进入数字验证码确认；数字确认模块将对读出的验证码数字进行语音识别，并与当前正确的验证码进行对比匹配，如匹配，则解锁成功，并进行打卡记录，如不匹配，则解锁失败。
[0010]进一步地，所述特征提取模块用于提取语音信号的梅尔倒谱系数特征，为后续的声纹建模做准备，所述步骤一中特征提取模块由麦克风所采集到的说话人输入的声音信号默认时长2s，每个说话人的声纹内容是自己的名字，登记注册时也是录制一遍自己名字的声音，时长也是2s。
[0011]进一步地，所述步骤一中提取梅尔倒谱系数特征，首先进行预处理操作，包含了预加重、分帧和加窗，将时域信号切分成帧，且采样率为16KHz，每帧音频信号的帧长为20ms，帧移10ms，2s的音频共计200帧的信号，分帧后的信号进行短时傅里叶变换，一共提取了161维的幅度谱特征S(k)；接着通过梅尔滤波器组H
m
(k)对幅度谱进行滤波。
[0012]进一步地，所述滤波公式为：
[0013][0014]且式子中的Z
m
(k)是经过梅尔滤波后的幅度谱，k为频率索引，m为滤波器的索引，M为滤波器阶数，这里设置为40，因此滤波后的幅度谱特征维度为40；梅尔频率滤波器组具体的传递函数形式式子为：
[0015][0016]且式子中的f(m)是三角形滤波器的中心频率；f(m
‑
1)和f(m+1)分别代表了滤波器的上限频率与下限频率；40维的梅尔幅度谱进行对数运算和离散余弦变换，式子为：
[0017]W
m
(k)＝ln[Z
m
(k)],(m＝0,1,
…
,M
‑
1)和
[0018]对数运算将梅尔谱转换到倒谱，余弦变换，得到最终的梅尔倒谱系数特征，2s输入音频所提取的特征维度为：200
×
40。
[0019]进一步地，所述声纹识别模块提取的当前说话人的MFCC特征进行增强，特征增强部分采用“全连接层+Bi
‑
LSTM层+全连接层”的三层结构，对应的神经单元维度分别为256，256和40，输出的全连接层采用Sigmoid函数进行掩模的估计，然后点乘在输入的MFCC特征上实现增强；增强后的当前说话人MFCC特征将与已登记在册员工的MFCC特征按照通道维度进行拼接，拼接后的特征维度为：200
×
40
×
n；进行相似度计算时，先通过5
×
5的二维卷积将n个特征通道降低为3个通道，按通道进行特征拼接后，经过“全连接层+2层Bi
‑
LSTM层+全连接层”的四层神经网络结构，估计出与n个在册员工的对比相似度；四层神经网络层对应的维度分别为256，256，256，n，最后一层全连接层采用Softmax函数作为激活函数，共计输出n个概率值，从中选出最大的概率值并且如果大于0.85，则判定当前说话人为最大概率值所对应的员工，否则判定为公司无该员工，输出结果不匹配。
[0020]进一步地，所述声纹识别模块先行进行神经网络模型的训练，所述神经网络模型的训练为特征增强部分训练和相似度计算模型的训练。
[0021]进一步地，所述数字确认模块对解锁者所收到的数字验证码进行确认，通过对解锁者所读出的数字验证码的声音进行识别来达到确认的目的。
[0022]与现有技术相比，本专利技术的有益效果是：
[0023]1、采用单个麦克风声学传感器作为门禁系统的输入信号源，相较于摄像头、触摸屏等输入设备而言，产品部署时的体积更小，成本更低。
[0024]2、该方法采用了双重门限策略，不仅降低了门禁系统的误识率，还提高了门禁系统的反破解难度，实现一个更加安全的智能门禁系统。
[0025]3、该方法可以根据已注册过的员工声音单独对模型进行增强的训练优化，再进行后续的声纹和数字识别，使其在环境噪声及其他未注册说话人的人声干扰时，也可以排除干扰，实现较为准确的识别效果。
附图说明
[0026]图1为本专利技术一种用于智能门禁的声纹识别方法的智能门禁的声纹识别流程图。
[0027]图2为本专利技术一种用于智能门禁的声纹识别方法的梅尔倒谱系数特征提取流程图。
[0028]图3为本专利技术一种用于智能门禁的声纹识别方法的声纹识别模块的工作原理图。
[0029]图4为本专利技术一种用于智能门禁的声纹识别方法的数字确认模块的工作原理图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0031]实施例
[0032]如图1
‑
4所示，一种用于智能门禁的声纹识别方法，包括以下处理模块：特征提取模块、声纹识别模块和数字确认模块；
[0033]具体识别步骤如下：
[0034]步骤一：通过通过特征提取模块，将公司内部登记在册的员工声音波形信号和当前输入的说话人声音波形信号，转换成更易进行声纹区分的梅尔倒谱系数特征；
[0035]步骤二：进入声纹识别模块，利用所设计的人工神经网络模型对输入说话人的声纹特征与登记在册本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于智能门禁的声纹识别方法，其特征在于，包括以下处理模块：特征提取模块、声纹识别模块和数字确认模块；具体识别步骤如下：步骤一：通过通过特征提取模块，将公司内部登记在册的员工声音波形信号和当前输入的说话人声音波形信号，转换成更易进行声纹区分的梅尔倒谱系数特征；步骤二：进入声纹识别模块，利用所设计的人工神经网络模型对输入说话人的声纹特征与登记在册的声纹特征进行相似度比较，确认是否是本公司的员工，且输入说话人的声纹特征与登记在册的声纹特征匹配，则进入数字验证模块，如输入说话人的声纹特征与登记在册的声纹特征匹配，则解锁失败；步骤三：声纹确认完毕且匹配后，将进入数字验证码确认；数字确认模块将对读出的验证码数字进行语音识别，并与当前正确的验证码进行对比匹配，如匹配，则解锁成功，并进行打卡记录，如不匹配，则解锁失败。2.根据权利要求1所述的一种用于智能门禁的声纹识别方法，其特征在于：所述特征提取模块用于提取语音信号的梅尔倒谱系数特征，为后续的声纹建模做准备，所述步骤一中特征提取模块由麦克风所采集到的说话人输入的声音信号默认时长2s，每个说话人的声纹内容是自己的名字，登记注册时也是录制一遍自己名字的声音，时长也是2s。3.根据权利要求1所述的一种用于智能门禁的声纹识别方法，其特征在于：所述步骤一中提取梅尔倒谱系数特征，首先进行预处理操作，包含了预加重、分帧和加窗，将时域信号切分成帧，且采样率为16KHz，每帧音频信号的帧长为20ms，帧移10ms，2s的音频共计200帧的信号，分帧后的信号进行短时傅里叶变换，一共提取了161维的幅度谱特征S(k)；接着通过梅尔滤波器组H
m
(k)对幅度谱进行滤波。4.根据权利要求3所述的一种用于智能门禁的声纹识别方法，其特征在于：所述滤波公式为：且式子中的Z
m
(k)是经过梅尔滤波后的幅度谱，k为频率索引，m为滤波器的索引，M为滤波器阶数，这里设置为40，因此滤波后的幅度谱特征维度为40；梅尔频率滤波器组具体的传递函数形式式子为：且式子中的f(m)是三角形滤波器的中心频率；f(m
‑
1)和f(m+1...

【专利技术属性】
技术研发人员：赵思瑞，张禄，程元元，谷玉章，刘伟，康绪芳，
申请(专利权)人：山东深博建筑工程有限公司，
类型：发明
国别省市：