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。
[0041] 步骤1.3,将声纹模型编码为二维码。
[0042] 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QR Code、 TOF417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。
[0043] 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。
[0044] 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QR CODE，TOF 417码等不同格式的二维码。
[0045] 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。
[0046] 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。
[0047] 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。
[0048] 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。
[0049] 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：
[0050] 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：
[0052] 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。
[0053] 然后，对二值化图像进行膨胀运算。
[0054] 本发明实施例中通过下式进行膨胀处理：
[0056] 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
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。
[0057] 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。
[0058] 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。
[0059] 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，构造用〇、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。
[0060] 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。
[0061] 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。
[0062] 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。
[0063] 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。
[0064] 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。
[0065] 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。
[0066] 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。
[0067] 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。
【主权项】
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a，y，C参 数矩阵，其中a为GMM模型的权值向量，y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。
【专利摘要】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。
【IPC分类】H04L9/32, G10L17/00
【公开号】CN105118509
【申请号】CN201510450276
【发明人】宋友, 任红雷, 张野
【申请人】北京航空航天大学
【公开日】2015年12月2日
【申请日】2015年7月28日