[发明专利]一种基于视频与语谱图的声纹鉴定方法、系统及设备

说明书

本发明公开了一种基于视频与语谱图的声纹鉴定方法，包括获取与音频文件对应的语谱图，其中音频文件与视频文件相对应；在视频文件和语谱图上分别建立对时间的关联关系，以便在视频文件和语谱图两者任一者中任选一个时间点时，在另一者中定位相同时间点，根据关联关系获得对应的视频和共振峰；结合视频和共振峰对声纹进行鉴定，以判断待识别者的身份。通过得到与视频文件对应的音频文件的语谱图，在视频文件和语谱图中建立关联关系后，当在视频文件和语谱图任一者中任选一个时间点后，另一者中则定位同样的时间点，得到视频和共振峰，观察待识别者说话时嘴型、表情等，增加鉴定依据。本发明还提供具有上述优点的系统、设备及计算机可读存储介质。

技术领域

本发明涉及语音识别领域，特别是涉及一种基于视频与语谱图的声纹鉴定方法、系统、设备及计算机可读存储介质。

背景技术

每个人说话的声音都各不相同，人说话的声音就像人的指纹一样，具有“人各不一”的特征。特别是当人成年以后，发音器官已经成熟，语言习惯已经形成，除疾病影响等特殊情况下，语音都是稳定的。又因为每个人的生理结构、生活环境等因素不同，人的语音又有特定性。因此，通过对声纹鉴定进行人身辨别是一种重要的科学技术。

现有的鉴定方法是通过语谱图上共振峰的的形状和走势作为声纹鉴定最重要的依据。将得到的音频放入声音鉴定系统，将音频转换成语谱图，在进行鉴定时，只能通过听声音和观看语谱图上的共振峰对音频中的某一段音素进行鉴定。当鉴定人员得到的是一段视频时，通过声音对应语谱图来鉴定声纹，鉴定依据单一，鉴定结果的准确率低。

发明内容

本发明的目的是提供一种基于视频与语谱图的声纹鉴定方法、系统、设备及计算机可读存储介质，以解决现有技术中通过声音对应语谱图来鉴定，鉴定结果的准确率不高的问题。

本发明提供一种基于视频与语谱图的声纹鉴定方法，包括：

获取与音频文件对应的语谱图，其中所述音频文件与视频文件相对应；

在所述视频文件和所述语谱图上分别建立对时间的关联关系，以便在所述视频文件和所述语谱图两者的任一者中任选一个时间点时，在另一者中定位相同时间点，根据所述关联关系获得对应的视频和共振峰；

结合所述视频和所述共振峰对声纹进行鉴定，以判断待识别者的身份。

可选地，所述获取与音频文件对应的语谱图包括：

获取音频文件中的语谱参数，所述语谱参数包括带宽、动态范围、衰减系数、高频提升系数和加窗类型五种，以构建与所述音频文件对应的语谱图。

可选地，所述关联关系具体为回调函数。

可选地，所述结合所述视频和所述共振峰对声纹进行鉴定包括：

选取所述音频文件中用于分析的音节；

结合所述音节对应的共振峰和视频进行鉴定。

本发明还提供一种基于视频与语谱图的声纹鉴定系统，包括：

获取模块，用于获取与音频文件对应的语谱图，其中所述音频文件与视频文件相对应；

构建模块，用于在所述视频文件和所述语谱图上分别建立对时间的关联关系，以便在所述视频文件和所述语谱图两者的任一者中任选一个时间点时，在另一者中定位相同的时间点，根据所述关联关系获得对应的视频和共振峰；

验证模块，用于结合所述视频和所述共振峰对声纹进行鉴定，以判断待识别者的身份。

可选地，所述获取模块具体为:

获取音频文件中的语谱参数，所述语谱参数包括带宽、动态范围、衰减系数、高频提升系数和加窗类型五种，以构建与所述音频文件对应的语谱图的模块。

可选地，所述构建模块具体为：