声纹识别大数据利弊分析_第1页
声纹识别大数据利弊分析_第2页
声纹识别大数据利弊分析_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、声纹识别大数据利弊分析“声纹识别技术实际上比其他生物特征识别方法更容易”，美 国的杂志中谈到“您无需去任何地方或触摸任何东西即可验证您的 生物特征。”而且它与指纹识别或虹膜扫描不同，“它只需要一个 麦克风作为我们智能手机中已经内置的输入设备即可”。声纹通过分析一个人的声音的数百个单独成分进行识别。这是 生物识别安全趋势的一部分，它可能最终使密码授权的方式过时， 但与其他生物识别方式（包括指纹识别,面部识别和虹膜识别）相比， 它提供了某些优势，每一种都需要个人的实际存在才能直接与设备 进行交互。与指纹识别、人脸识别相比，声纹识别在实际应用中具有以下 独特优势：（1）采集成本低：语音采集装置造价低

2、廉，只需电话/手机或 麦克风即可；不受光线、背景环境的影响。（2）造假成本高：声纹口令可动态变化，不用担心密码的以 往、丢失和窃取问题，造假成本高，因此非常适合需要远程身份验 证的场合；（3）更符合用户习惯：声音是人最自然的生物特征，收集方 便。（4）具有更高的隐私性：声音数据与个人身份信息匹配较困 难，减少个人信息如肖像信息被随意使用、冒用、篡改、造假等风 险。现在的大部分研究都是有关动态实时检测方面的，动态检测的 方法自然要利用静态检测的各种原理方法，同时也需要增加其他很 多算法，比如AD、降噪、去混响等。AD的目的是检测是不是人的声 音，降噪和去混响是排除环境干扰，这不仅对于声纹检测很中

3、重 要，对于语音识别更加重要。AD常用两个方法，基于能量检测和LTD,当前用的较多是LTD, 另外特征提取方面还需要：动态时间规整(DDT)、矢量量化(BQ)、支 持向量机(SAM)，模型方面则需要隐马尔可夫模型(HMM)和高斯混合 模型(G MM)。丄! rairiagMthdirl Triiningi丄! rairiagMthdirl TriiningiE.rlf ActioiA这是声纹识别常用算法的结构图，所有的声纹识别，不管是用传统算法还是深度学习，都需要事先建立声纹库，目前最全的应该 是公安部的声纹鉴别库。从上面模型不难看出，声纹识别还是一种基于数据驱动的模式 识别问题，因为所有模式识别存在的问题声纹都存在，而且声纹识 别还有一些不太好解决的物理和计算问题。虽然声纹识别的唯一性很好，但实际上我们现有的设备和技术 仍然很难做出准确分辨，特别是人的声音还具有易变性，易受身体状况、年龄、情绪等的影响。刚才也提到，若在环境噪音较大和混合说话人的环境下，声纹特征也是很难提取和建模的。虽然深度学习带给模式识别极大的提升，甚至还有开源的相关 算法，但是声纹识别的研究进展仍然不大，这仍然受制于声纹的

人人文库> 全部分类> 行业资料 > 机电工程

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论