[发明专利]一种提高语音支付安全性的方法

说明书

本发明公开了一种提高语音支付安全性的方法，应用于智能家居，包括：将真人语音的GMM模型和录放语音的GMM模型存储于智能家居；GMM模型训练方法具体为：搜集语音样本和录放样本，提取特征MFCC；将提取的MFCC组合为特征矢量，构建一个二分类器，分别训练真人语音的GMM模型和录放语音的GMM模型；智能家居中的两个GMM模型检测待测语音：将语音数据通过GMM模型得到的辨识结果与置信度比较，判定语音数据为真人语音或录放语音，用于语音支付的安全验证。结合了实际电视支付业务并根据真实场景进行训练样本优化，并根据真人语音和录放语音分别建模，从而达到了较好的识别真人语音和录放语音的效果。

技术领域

本发明涉及声纹识别技术领域，具体的说，是一种提高语音支付安全性的方法。

背景技术

近年来机器识别人的身份成为了一项研究热点，采用的方法有很多，人脸识别，指纹识别，声纹识别等。声纹识别属于生物识别技术的一种，是一项根据语音波形中反映说话人生理特征的自动识别说话人身份的技术。基于声纹识别的功能有许多挑战：当环境音过于嘈杂，或用其他设备播放录音进行身份验证的时候，该方法的识别率会显著下降。而录音重放检测则是一种能够让机器正确分辨真人语音和录放语音的技术，让机器正确识别真人语音，拒绝录放语音，从而做出更智能的反应。现有的方法是通过目标用户预留训练语音建立用户信道模型，计算待识别语音在信道模型上的打分信任度打分，若信任度小于阈值则判定待识别语音存在重放，从而解决现有说话人识别技术中重放攻击的问题。其他解决方案包括特征域处理，级联PCA算法或者LDA算法等对语音信号进行降噪，模型建模方法包括GMM-UBM，CNN等对语音特征进行建模。但现有解决方案中，未针对智能家居应用场景做优化来实现重放检测，特别是针对电视声纹支付场景。

发明内容

本发明的目的在于提供提高语音支付安全性的方法，用于解决现有技术中现有通用建模技术在智能家居场景应用性能不足的问题。

本发明通过下述技术方案解决上述问题：

一种提高语音支付安全性的方法，应用于智能家居，包括：

步骤S100：将真人语音的GMM模型和录放语音的GMM模型存储于智能家居中用于语音支付的安全检测和验证；

所述真人语音的GMM模型由真人语音训练得到，所述录放语音的GMM模型由录放语音训练得到，训练方法具体为：

通过智能终端麦克风搜集用户语音样本(包括真人语音样本和录放语音样本)，提取样本特征参数，样本特征参数包括特征MFCC，

将提取的MFCC组合为特征矢量，构建一个二分类器，采用语音样本的特征矢量训练真人语音的GMM模型，采用录放样本的特征矢量训练录放语音的GMM模型；

进一步地，还包括用EM算法估计GMM模型中的参数，完成训练GMM模型。

步骤S200：所述真人语音的GMM模型和录放语音的GMM模型对输入的语音数据进行检测：将语音数据通过GMM模型得到的辨识结果与设置的置信度比较，判定语音数据为真人语音或录放语音，用于语音支付的安全验证。

进一步地，所述步骤S200中具体包括：

步骤S210：从输入语音中提取待识别语音的MFCC，得到特征向量；

步骤S220：将得到的特征向量分别输入两个GMM模型中，利用GMM模型计算出概率：

其中，高斯分量的权重，μ_i表示高斯分布均值，σ_i表示高斯分布的标准差，K表示有高斯个数数目，p(x)表示累加后的概率总和；