[发明专利]基于注意力机制的通话人识别方法及装置

权利要求书

1.基于注意力机制的通话人识别方法，其特征在于，包括如下步骤：

采集多个被测试通话人的通话录音和测试通话人的通话录音；

根据所述被测试通话人对应的通话录音，建立通话人语音库；

采用所述被测试通话人的通话录音对基于注意力机制的神经网络进行训练，获得训练模型；

存储所述测试通话人和被测试通话人的通话录音，获得录音文件；

根据所述录音文件，采用所述训练模型识别所述被测试通话人是否为目标通话人，

其中，采用所述被测试通话人的通话录音对基于注意力机制的神经网络进行训练，获得训练模型，包括：

采用维纳滤波器对所述被测试通话人的通话录音进行去噪处理，获得预处理录音文件；

通过时间递归神经网络的输入层，从所述预处理录音文件提取语音特征，获得所述预处理录音文件中的语音的梅尔倒谱系数特征向量；

将所述梅尔倒谱系数特征向量发送至全连接层，所述全连接层对所述梅尔倒谱系数特征向量进行特征提取，获得所述预处理录音文件中的语音的第二特征向量；

将所述第二特征向量发送至基于注意力机制的时间递归神经网络层，所述基于注意力机制的时间递归神经网络层包括多个LSTM层，通过所述多个LSTM层处理所述第二特征向量获得处理数据；

将所述处理数据发送至归一化指数函数层，所述归一化指数函数层将所述处理数据与人名对应转换，获得所述处理数据对应的人名。

2.根据权利要求1所述的基于注意力机制的通话人识别方法，其特征在于，采集多个被测试通话人的通话录音和测试通话人的通话录音，包括：

测试方使用智能手机在通话过程中的内置录音功能录制被测试通话人在通话过程的语音；在通话过程中使用系统自带的通话录音功能，需要明确手机设备型号，录音文件保存格式，通话时外部环境特征；并将通话录音保存为Wave格式的无损文件形式。

3.根据权利要求1所述的基于注意力机制的通话人识别方法，其特征在于，根据所述被测试通话人对应的通话录音，建立通话人语音库，包括：

获取被测试通话人身份与被测试语音的对应关系；

根据所述对应关系建立通话人语音库，所述通话人语音库中包括被识别方通话音频数据、被测试通话人身份信息、被测试通话人环境特性、测试方录制设备信息、测试方环境特性、通话时长、通话时间、通话音量。

4.根据权利要求1所述的基于注意力机制的通话人识别方法，其特征在于，根据所述录音文件，采用所述训练模型识别所述被测试通话人是否目标通话人，包括：

判断所述通话人语音库中是否存在待测试语音，如果是，识别出所述通话人语音库中已有的被测试人；否则，如果待识别的音频文件属于新测试人，则会被识别为最相近的已有被测试人。

5.基于注意力机制的通话人识别装置，其特征在于，包括：

收集模块，用于采集多个被测试通话人的通话录音和测试通话人的通话录音；

语音库建立模块，用于根据所述被测试通话人对应的通话录音，建立通话人语音库；

训练模块，用于采用所述被测试通话人的通话录音对基于注意力机制的神经网络进行训练，获得训练模型；

文件存储模块，用于存储所述测试通话人和被测试通话人的通话录音，获得录音文件；

测试模块，用于根据所述录音文件，采用所述训练模型识别所述被测试通话人是否目标通话人，

其中，所述训练模块被配置成：

采用维纳滤波器对所述被测试通话人的通话录音进行去噪处理，获得预处理录音文件；

通过时间递归神经网络的输入层，从所述预处理录音文件提取语音特征，获得所述预处理录音文件中的语音的梅尔倒谱系数特征向量；

将所述梅尔倒谱系数特征向量发送至全连接层，所述全连接层对所述梅尔倒谱系数特征向量进行特征提取，获得所述预处理录音文件中的语音的第二特征向量；

将所述第二特征向量发送至基于注意力机制的时间递归神经网络层，所述基于注意力机制的时间递归神经网络层包括多个LSTM层，通过所述多个LSTM层处理所述第二特征向量获得处理数据；

将所述处理数据发送至归一化指数函数层，所述归一化指数函数层将所述处理数据与人名对应转换，获得所述处理数据对应的人名。