一种基于语音密码的支付平台登录方法和装置与流程

本发明涉及通信技术领域，特别是指一种基于语音密码的支付平台登录方法和装置。

背景技术：

随着信息技术地不断发展，快捷支付具有快速、方便的特点，主要优势在于“快”。快捷支付在中大城市已经普及。但支付安全问题成为人们关注的热点。现有的支付安全措施有固定的数字密码、数字和字母组合密码、动态密码，数字密码、数字和字母的组合密码都会存在黑客木马盗窃用户账户密码的隐患，用户的财产或者资料存在被盗窃的问题。而动态密码太费时，并且动态密码具有实时性，动态密码不够便利、快捷。

技术实现要素：

有鉴于此，本发明的目的在于提出一种基于语音密码的支付平台登录方法和装置，解决了现有支付密码安全性差、不够便利和快捷的问题。

基于上述目的本发明提供的基于语音密码的支付平台登录方法，包括步骤：

接收到用户输入的账号和音频信号，将所述的音频信号分解，对每一帧建立特征点对模型；

在预设的用户信息表中查询，获得包括有一个或一个以上建立的特征点对模型的音频信号；

将查找到的每个音频信号的特征点对模型与新建立的所有特征点对模型进行匹配，若匹配成功则在所述用户信息表中获得匹配成功的音频信号对应的账号信息，判断对应的账号信息是否与用户输入的账号信息相同，若相同则登录支付平台，若不相同则登录失败；若匹配不成功则直接登录失败。

在本发明的一些实施例中，接收到用户输入的音频信号之后，还包括：

对接收到的音频信号进行采样，将采样后的音频模拟信号转换成音频数字信号；

根据预先设置的时间阈值，对所述的音频数字信号分帧加窗处理；

将每个分帧加窗处理后的音频数字信号进行时频处理；

提取分频处理后时频谱的特征点，并建立特征点对模型。

在本发明的一些实施例中，所述建立特征点对模型，包括：

将音频信号的第一帧的峰值曲线作为初始的阈值曲线，第一帧之后每一帧的阈值曲线可以通过前一帧的阈值曲线与该帧的峰值曲线相乘再乘以衰减系数获得；

根据每帧的阈值曲线提取筛选后的峰值点；其中，通过将每帧中的所有峰值点与该帧阈值曲线对应点进行比较，若峰值点低于阈值曲线的对应点则舍弃该峰值点，若峰值点高于阈值曲线的对应点则保留该峰值点；

选取每帧前若干个筛选后的峰值点，作为每帧的特征点；

将前一帧的每一个特征点与其后一帧区域中的特征点依次组对。

在本发明的一些实施例中，所述将查找到的每个音频信号的特征点对模型与新建立的所有特征点对模型进行匹配，包括：

根据特征点对的内容信息，将每个音频信号的所有特征点对模型与新建立的所有特征点模型进行一一对应；

计算对应的特征点对模型之间的时间差，将时间差按照从小到大的顺序进行排列，获得最小时间差；

统计每个音频信号具有最小时间差的次数；

判断该次数是否大于或等于预设的最低次数阈值，若大于或等于预设的最低次数阈值则该音频信号与新建的特征点对模型匹配成功，否则匹配不成功；或者直接提取具有最小时间差次数最多的音频信号，作为与新建的特征点对模型匹配成功的音频信号。

在本发明的一些实施例中，所述接收到用户输入的账号和音频信号之前，还包括：

弹出浮层，显示提示的信息并启动监测进程；

当监测到具有输入的音频信号时，获得启动监测进程的时长；

判断获得的时长是否大于预设的时长阈值，若大于则该次登录失败。

在另一方面，本发明还提供了一种基于语音密码的支付平台登录装置，包括：

登录信息接收单元，用于接收到用户输入的账号和音频信号。

音频信号处理单元，用于将所述的音频信号分解，对每一帧建立特征点对模型；

查询单元，用于在预设的用户信息表中查询，获得包括有一个或一个以上建立的特征点对模型的音频信号；

匹配单元，用于将查找到的每个音频信号的特征点对模型与新建立的所有特征点对模型进行匹配，若匹配成功则在所述用户信息表中获得匹配成功的音频信号对应的账号信息，判断对应的账号信息是否与用户输入的账号信息相同，若相同则登录支付平台，若不相同则登录失败；若匹配不成功则直接登录失败。

在本发明的一些实施例中，所述音频信号处理单元，还用于：

对接收到的音频信号进行采样，将采样后的音频模拟信号转换成音频数字信号；

根据预先设置的时间阈值，对所述的音频数字信号分帧加窗处理；

将每个分帧加窗处理后的音频数字信号进行时频处理；

提取分频处理后时频谱的特征点，并建立特征点对模型。

在本发明的一些实施例中，所述音频信号处理单元建立特征点对模型，包括：

将音频信号的第一帧的峰值曲线作为初始的阈值曲线，第一帧之后每一帧的阈值曲线可以通过前一帧的阈值曲线与该帧的峰值曲线相乘再乘以衰减系数获得；

根据每帧的阈值曲线提取筛选后的峰值点；其中，通过将每帧中的所有峰值点与该帧阈值曲线对应点进行比较，若峰值点低于阈值曲线的对应点则舍弃该峰值点，若峰值点高于阈值曲线的对应点则保留该峰值点；

选取每帧前若干个筛选后的峰值点，作为每帧的特征点；

将前一帧的每一个特征点与其后一帧区域中的特征点依次组对。

在本发明的一些实施例中，所述匹配单元，将查找到的每个音频信号的特征点对模型与新建立的所有特征点对模型进行匹配，包括：

根据特征点对的内容信息，将每个音频信号的所有特征点对模型与新建立的所有特征点模型进行一一对应；

计算对应的特征点对模型之间的时间差，将时间差按照从小到大的顺序进行排列，获得最小时间差；

统计每个音频信号具有最小时间差的次数；

判断该次数是否大于或等于预设的最低次数阈值，若大于或等于预设的最低次数阈值则该音频信号与新建的特征点对模型匹配成功，否则匹配不成功；或者直接提取具有最小时间差次数最多的音频信号，作为与新建的特征点对模型匹配成功的音频信号。

在本发明的一些实施例中，所述登录信息接收单元接收到用户输入的账号和音频信号之前，还用于：

弹出浮层，显示提示的信息并启动监测进程；

当监测到具有输入的音频信号时，获得启动监测进程的时长；

判断获得的时长是否大于预设的时长阈值，若大于则该次登录失败。

从上面所述可以看出，本发明提供的基于语音密码的支付平台登录方法和装置，通过将接收的音频信号分解，对每一帧建立特征点对模型；在预设的用户信息表中查询，获得包括有一个或一个以上建立的特征点对模型的音频信号；将查找到的每个音频信号的特征点对模型与新建立的所有特征点对模型进行匹配，若匹配成功则在所述用户信息表中获得匹配成功的音频信号对应的账号信息，判断对应的账号信息是否与用户输入的账号信息相同，若相同则登录支付平台，若不相同则登录失败；若匹配不成功则直接登录失败。从而，本发明所述的基于语音密码的支付平台登录方法和装置能够克服现有支付密码的缺陷，使支付行为更快捷、更便利、更安全。

附图说明

图1为本发明第一实施例中基于语音密码的支付平台登录方法的流程示意图；

图2为本发明可参考实施例中基于语音密码的支付平台登录方法的流程示意图；

图3为本发明实施例中基于语音密码的支付平台登录装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

参阅图1所示，为本发明第一实施例中基于语音密码的支付平台登录方法的流程示意图，所述基于语音密码的支付平台登录方法包括：

步骤101，接收到用户输入的账号和音频信号。

步骤102，将所述的音频信号分解，对每一帧建立特征点对模型。

步骤103，在预设的用户信息表中查询，获得包括有一个或一个以上建立的特征点对模型的音频信号。

步骤104，将查找到的每个音频信号的特征点对模型与新建立的所有特征点对模型进行匹配，若匹配成功则执行步骤105，若匹配不成功则执行步骤106。

步骤105，在所述用户信息表中获得匹配成功的音频信号对应的账号信息，判断对应的账号信息是否与用户输入的账号信息相同，若相同则登录支付平台，若不相同则执行步骤106。

步骤106，登录失败。

在一个较佳地实施例中，步骤101接收到用户输入的账号和音频信号之后，可以对接收到的音频信号进行采样。优选地，采取8kHz采样率对接收到的音频信息进行采样。将采样后的音频模拟信号转换成音频数字信号，然后根据预先设置的时间阈值，对所述的音频数字信号分帧加窗处理。优选地，预先设置的时间阈值为10s，即每间隔10s划分一个音频数字信号段。然后，将每个分帧加窗处理后的音频数字信号进行时频处理。优选地，采用快速傅里叶变换(FFT)方法完成，得到每个分帧加窗处理后的音频数字信号的时间和频率特征。最后，提取分频处理后时频谱的特征点，并建立特征点对模型。

作为一个可参考的实施例，参阅图2所示，所述基于语音密码的支付平台登录方法具体可采用如下步骤：

步骤201，接收到用户输入的账号和音频信号。

其中，用户根据提示的信息输入音频信息，例如：你最喜欢的哪个明星的哪首歌曲；你和你爱人第一次见面的时间和地点；你父母的出生日期等等。较佳地，可以通过麦克风接收用户输入的音频信息。

步骤202，对接收到的音频信号进行采样。

一般人声音信号的频率范围是300Hz～3.4kHz,根据奈奎斯特采样定理：只有当采样频率高于声音信号最高频率的两倍时，才能把离散模拟信号表示的声音信号唯一地还原成原来的声音。优选地，在该实施例中采取8kHz采样率对接收到的音频信息进行采样。

步骤203，将采样后的音频模拟信号转换成音频数字信号。

作为一个实施例，可以通过模数转换器将采样后的音频模拟信号转换成音频数字信号。

步骤204，根据预先设置的时间阈值，对所述的音频数字信号分帧加窗处理。

在一个实施例中，要求语音时长为10s，也就是说，预先设置的时间阈值为10s，即每间隔10s划分一个音频数字信号段。

步骤205，将每个分帧加窗处理后的音频数字信号进行时频处理。具体实施包括：采用快速傅里叶变换(FFT)方法完成，得到每个分帧加窗处理后的音频数字信号的时间和频率特征。

步骤206，提取分频处理后时频谱的特征点，并建立特征点对模型。具体实施过程包括：

步骤一：将音频信号的第一帧的峰值曲线作为初始的阈值曲线。

步骤二：第一帧之后每一帧的阈值曲线可以通过前一帧的阈值曲线与该帧的峰值曲线相乘再乘以衰减系数获得，其中衰减系数取0.98。

步骤三：根据每帧的阈值曲线提取筛选后的峰值点。其中，通过将每帧中的所有峰值点与该帧阈值曲线对应点进行比较，若峰值点低于阈值曲线的对应点则舍弃该峰值点，若峰值点高于阈值曲线的对应点则保留该峰值点。

步骤四：选取每帧前若干个筛选后的峰值点，即为每帧的特征点。在实施例中，选取每帧前5个筛选后的峰值点。

步骤五：将前一帧的每一个特征点与其后一帧区域中的特征点依次组对，每一对特征点都用一个32位的的长整数据描述，该32位数据由两个特征点的频率和两个特征点的时间差组成。

步骤207，在用户信息表中查询，获得包括有一个或一个以上建立的特征点对模型的音频信号。

步骤208，将查找到的每个音频信号的特征点对模型与新建立的所有特征点对模型进行匹配，若匹配成功则执行步骤209，若匹配不成功则执行步骤210。

较佳地，可以采用hash倒排检索的方法对查找到的所有特征点对模型与新建立的特征点对模型进行匹配。更进一步地，具体实施过程包括：

步骤一：根据特征点对的内容信息，将每个音频信号的所有特征点对模型与新建立的所有特征点模型进行一一对应。例如：一个音频信号的所有特征点对模型的内容为：“我”、“是”、“小”、“王”、“子”，而新建立的所有特征点对模型的内容：“我”、“是”、“小”、“公”、“主”，那么音频信号的“我”、“是”、“小”特征点对模型一一对应上新建立的特征点对模型的“我”、“是”、“小”。

步骤二：计算对应的特征点对模型之间的时间差，将时间差按照从小到大的顺序进行排列，获得最小时间差。

步骤三：统计每个音频信号具有最小时间差的次数。

步骤四：判断该次数是否大于或等于预设的最低次数阈值，若大于或等于预设的最低次数阈值则该音频信号与新建的特征点对模型匹配成功，否则匹配不成功。或者直接提取具有最小时间差次数最多的音频信号，作为与新建的特征点对模型匹配成功的音频信号。

步骤209，在所述用户信息表中获得匹配成功的音频信号对应的账号信息，判断对应的账号信息是否与用户输入的账号信息相同，若相同则登录支付平台，若不相同则执行步骤210。

步骤210，登录失败。

还需要说明的是，当用户没有注册过(即在用户信息表中不存在该用户)时，可以通过步骤201至步骤206，然后将所述用户的账号与对应的特征点对模型存储到预先设置的用户信息表中。也就是说，用户登录的过程是步骤201至步骤210。而用户注册的过程是步骤201至步骤206，然后将所述用户的账号与对应的特征点对模型存储到预先设置的用户信息表中。

作为进一步地实施例，当步骤209根据所述账号在预先设置的用户信息表中没有查找到与用户输入的账号信息相同时，可以弹出浮层，提示新账号注册。当接收到注册新账号的指令时，可以在预设的用户信息表中建立该账号与所述特征点对模型的映射关系。优选地，在注册新账号时可以直接存储该新账号与所述特征点模型的映射关系。也可以先设置登录时的提示信息，然后采集该提示信息的音频信息，并根据步骤202至步骤206获得本次采集的音频信息的特征点对模型，将该新账号与本次采集获得的特征点对模型一起存储到所述用户信息表中。

在一个较佳地实施例中，在设置登录时的提示信息时，还可以设置回答提示信息的时长阈值。在执行设置的时长阈值时，具体地实施过程包括：

步骤一：弹出浮层，显示提示的信息并启动监测进程。其中，所述的提示信息是需要输入的音频信号的提示信息，例如：提示信息为：“最近最喜欢的一本书是什么？”

步骤二：当监测到具有输入的音频信号时，获得启动监测进程的时长。

步骤三：判断获得的时长是否大于预设的时长阈值，若大于则该次登录失败，若小于或等于则执行步骤202至210。

优选地，还可以设置回答提示信息的次数，例如三次，即可以给出三次机会进行音频信息的输入。另外，当经过设置回答提示信息的次数之后，都没有成功登录到支付平台则可以将该账号锁住，以防窃取该账号。同时，还可以设计对该账号的解锁设置，例如进行身份验证(可以是上传身份证)。优选地，可以在预先设置的用户信息表中还存储有账号与用户信息的映射关系，在对账号进行解锁时可以通过比对用户信息。

在本发明的另一方面，还提供了一种基于语音密码的支付平台登录装置，如图3所示，所述基于语音密码的支付平台登录装置包括依次连接的登录信息接收单元301、音频信号处理单元302、查询单元303、匹配单元304。其中，登录信息接收单元301接收到用户输入的账号和音频信号，音频信号处理单元302将所述的音频信号分解，对每一帧建立特征点对模型。查询单元303在预设的用户信息表中查询，获得包括有一个或一个以上建立的特征点对模型的音频信号。匹配单元304将查找到的每个音频信号的特征点对模型与新建立的所有特征点对模型进行匹配，若匹配成功则在所述用户信息表中获得匹配成功的音频信号对应的账号信息，判断对应的账号信息是否与用户输入的账号信息相同，若相同则登录支付平台，若不相同则登录失败；若匹配不成功则直接登录失败。

在一个较佳地实施例中，所述音频信号处理单元302可以对接收到的音频信号进行如下处理：可以对接收到的音频信号进行采样。优选地，采取8kHz采样率对接收到的音频信息进行采样。将采样后的音频模拟信号转换成音频数字信号，然后根据预先设置的时间阈值，对所述的音频数字信号分帧加窗处理。优选地，预先设置的时间阈值为10s，即每间隔10s划分一个音频数字信号段。然后，将每个分帧加窗处理后的音频数字信号进行时频处理。优选地，采用快速傅里叶变换(FFT)方法完成，得到每个分帧加窗处理后的音频数字信号的时间和频率特征。最后，提取分频处理后时频谱的特征点，并建立特征点对模型。

更进一步地实施例，音频信号处理单元302建立特征点对模型时，具体的实施过程包括：

步骤一：将音频信号的第一帧的峰值曲线作为初始的阈值曲线。

步骤二：第一帧之后每一帧的阈值曲线可以通过前一帧的阈值曲线与该帧的峰值曲线相乘再乘以衰减系数获得，其中衰减系数取0.98。

步骤三：根据每帧的阈值曲线提取筛选后的峰值点。其中，通过将每帧中的所有峰值点与该帧阈值曲线对应点进行比较，若峰值点低于阈值曲线的对应点则舍弃该峰值点，若峰值点高于阈值曲线的对应点则保留该峰值点。

步骤四：选取每帧前若干个筛选后的峰值点，即为每帧的特征点。在实施例中，选取每帧前5个筛选后的峰值点。

步骤五：将前一帧的每一个特征点与其后一帧区域中的特征点依次组对，每一对特征点都用一个32位的的长整数据描述，该32位数据由两个特征点的频率和两个特征点的时间差组成。

作为本装置的另一个实施例中，所述匹配单元304将查找到的每个音频信号的特征点对模型与新建立的所有特征点对模型进行匹配时，具体的实施过程包括：

步骤一：根据特征点对的内容信息，将每个音频信号的所有特征点对模型与新建立的所有特征点模型进行一一对应。

步骤二：计算对应的特征点对模型之间的时间差，将时间差按照从小到大的顺序进行排列，获得最小时间差。

步骤三：统计每个音频信号具有最小时间差的次数。

步骤四：判断该次数是否大于或等于预设的最低次数阈值，若大于或等于预设的最低次数阈值则该音频信号与新建的特征点对模型匹配成功，否则匹配不成功。或者直接提取具有最小时间差次数最多的音频信号，作为与新建的特征点对模型匹配成功的音频信号。

另外，作为一个可参考的实施例，所述登录信息接收单元301在设置登录时的提示信息时，还可以设置回答提示信息的时长阈值。在执行设置的时长阈值时，具体地实施过程包括：

步骤一：弹出浮层，显示提示的信息并启动监测进程。其中，所述的提示信息是需要输入的音频信号的提示信息，例如：提示信息为：“最近最喜欢的一本书是什么？”

步骤二：当监测到具有输入的音频信号时，获得启动监测进程的时长。

步骤三：判断获得的时长是否大于预设的时长阈值，若大于则该次登录失败。

需要说明的是，在本发明所述的基于语音密码的支付平台登录装置的具体实施内容，在上面所述的基于语音密码的支付平台登录方法中已经详细说明了，故在此重复内容不再说明。

综上所述，本发明提供的基于语音密码的支付平台登录方法、装置，创造性地；同时，主要应用于快捷支付的安全保护。语音密码可以有效防范黑客木马盗窃用户账户密码、假网站等多种网络问题，导致用户的财产或者资料的损失。语音密码确保了用户支付的安全性；并且，本发明具有便利、快速、高安全等优点；而且，具有广泛、重大的推广意义；最后，整个所述的基于语音密码的支付平台登录方法和装置紧凑，易于控制。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。