一种耳机及声纹解锁方法、装置、可读存储介质

技术领域

本申请属于声纹识别技术领域，尤其涉及一种耳机及声纹解锁方法、装置、可读存储介质。

背景技术

现有的解锁方式大多通过输入密码、图案等。在触屏上输入密码，若输入的密码正确时开锁。在触屏上输入图案，若输入的图案正确时开锁。

但这些解锁方式，当双手被占用时，解锁不方便，且用时较长。

发明内容

本申请实施例提供了一种耳机及声纹解锁方法、装置、可读存储介质，可以解决通过双手解锁造成不方便、用时较长的问题。

第一方面，本申请实施例提供了一种声纹解锁方法，包括：

采集用户的待测语音信号，并提取所述待测语音信号的特征参数；

根据所述特征参数和已训练完成的声纹识别模型，获得声纹识别结果；

根据声纹识别结果，验证用户身份；

若验证通过，则向目标设备发送解锁指令。

可选的，所述根据所述特征参数和已训练完成的声纹识别模型，获得声纹识别结果，包括：

将所述特征参数输入至已训练完成的声道参数模型，得到所述已训练完成的声道参数模型输出的参数结果，所述参数结果包括不携带噪声的特征参数；

将所述参数结果输入至所述已训练完成的声纹识别模型，得到所述已训练完成的声纹识别模型输出的声纹识别结果；

其中，所述已训练完成的声纹识别模型中的声纹识别库包括所述不携带噪声的特征参数。

可选的，根据所述特征参数和已训练完成的声纹识别模型，获得声纹识别结果，包括：

将所述特征参数输入至所述已训练完成的声纹识别模型，得到所述已训练完成的声纹识别模型输出的声纹识别结果。

可选的，所述将所述特征参数输入至已训练完成的声道参数模型之前，还包括：

获取多个语音参数样本组，所述语音参数样本组包括一条语音信号在不同噪声环境下的语音参数及不携带噪声的语音参数；

利用所述语音参数样本组，训练声道参数模型，得到所述已训练完成的声道参数模型。

可选的，所述根据所述特征参数和已训练完成的声纹识别模型，获得声纹识别结果之前，还包括：

对所述特征参数进行语音识别，得到语音文本；

若所述语音文本为预设专用词汇，则进入步骤：根据所述特征参数和已训练完成的声纹识别模型，获得声纹识别结果。

可选的，所述根据声纹识别结果，验证用户身份，包括：

若所述声纹识别结果中的概率评分高于或等于预设阈值，则确定所述用户为目标用户，验证通过；

若所述声纹识别结果中的概率评分低于所述预设阈值，则确定所述用户为非目标用户，验证不通过。

可选的，所述训练声纹识别模型，包括：

训练过程中，利用梯度下降法，更新所述声道参数模型的权值。

第二方面，本申请实施例提供了一种声纹解锁装置，包括：

采集单元，用于采集用户的待测语音信号；

提取单元，用于提取所述待测语音信号的特征参数；

识别单元，用于根据所述特征参数和已训练完成的声纹识别模型，获得声纹识别结果；

验证单元，用于根据声纹识别结果，验证用户身份；

用于若验证通过，则向目标设备发送解锁指令。

第三方面，本申请实施例提供了一种耳机，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在耳机上运行时，使得耳机执行上述第一方面中任一项所述的方法。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

本申请实施例与现有技术相比存在的有益效果是：

本申请实施例通过采集用户的待测语音信号，并提取待测语音信号的特征参数；根据特征参数和已训练完成的声纹识别模型，获得声纹识别结果；根据声纹识别结果，验证用户身份；若验证通过，则向目标设备发送解锁指令，实现语音信号解锁目标设备，即使双手被占用，也能够方便解锁。同时，通过声纹识别，能够快速验证用户身份，耗时短。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一实施例提供的声纹解锁方法的第一种流程示意图；

图2是本申请一实施例提供的耳机的应用场景示意图；

图3是本申请一实施例提供的声纹解锁方法的第二种流程示意图；

图4是本申请一实施例提供的声纹解锁方法的第三种流程示意图；

图5是本申请一实施例提供的声纹解锁装置的结构示意图；

图6是本申请一实施例提供的耳机的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

图1是本申请一实施例提供的声纹解锁方法的第一种流程示意图。如图1所示，所述方法，应用于耳机，包括：

S11：采集用户的待测语音信号，并提取待测语音信号的特征参数。

图2是本申请一实施例提供的耳机的应用场景示意图。如图2所示，用户佩戴耳机后，耳机采集用户的待测语音信号。在应用中，通过使用TWS耳机，近距离拾音，提高信噪比。为了进一步提高声纹识别率，耳机应用波束成形，图中的箭头为拾音方向，将耳机的拾音方向指向用户的嘴部，降低其他方向的噪音，增强嘴部方向的信噪比。

在应用中，对待测语音信号进行周期采样，使模拟信号离散化。接着对信号的高频进行加重增强及加窗处理，以对待测语音信号预处理。对预处理后的待测语音信号进行端点检测，得到属于用户的语音段及语音的起末端点，然后从用户的语音段中提取特征参数。其中，特征参数可为线性预测系数、梅尔频率倒谱系数或线性预测倒谱系数等。

S12：根据特征参数和已训练完成的声纹识别模型，获得声纹识别结果。

在应用中，在声纹识别模型的训练阶段，先根据用户的特征参数建立用户的声纹识别库，然后将训练样本与声纹识别库进行对比，得到识别结果。根据识别结果更新声纹识别模型的参数，直至识别结果收敛，得到已训练完成的声纹识别模型。

其中，建立声纹识别库需使用真实环境下的用户语音的特征参数，因模拟的用户语音与真实的用户语音有区别，这可能会导致用户声纹识别错误。

基于已训练完成的声纹识别模型，识别特征参数，得到声纹识别结果。或为了提高声纹识别率，可在用户的待测语音信号进行降噪处理，提取出干净的特征参数的基础上，识别干净的特征参数，得到声纹识别结果，以减少噪声信号对声纹识别的影响。

S13：根据声纹识别结果，验证用户身份。

在应用中，若声纹识别结果中的概率评分高于或等于预设阈值，则确定用户为目标用户，验证通过；

若声纹识别结果中的概率评分低于预设阈值，则确定用户为非目标用户，验证不通过。

已训练完成的声纹识别模型将特征参数与声纹识别库进行匹配，得到概率评分，为相似度评分，将概率评分与预设阈值进行比较。

当概率评分高于或等于预设阈值，得到接受的确认结果，确定用户为目标用户，即用户是目标设备的使用者，验证通过。

当概率评分低于预设阈值，得到拒绝的确认结果，确定用户为非目标用户，即用户不是目标设备的使用者，验证不通过。

S14：若验证通过，则向目标设备发送解锁指令。

在应用中，若验证通过，确定用户为目标设备的使用者，向目标设备发送解锁指令。目标设备接收到解锁指令，响应于解锁指令，执行解锁操作。

本实施例通过采集用户的待测语音信号，并提取待测语音信号的特征参数；根据特征参数和已训练完成的声纹识别模型，获得声纹识别结果；根据声纹识别结果，验证用户身份；若验证通过，则向目标设备发送解锁指令，实现语音信号解锁目标设备，即使双手被占用，也能够方便解锁。同时，通过声纹识别，能够快速验证用户身份，耗时短。

在一个实施例中，步骤S13之后，还包括：

若验证不通过，则向目标设备发送警告指令，报警指令用于指示目标设备执行警告操作。目标设备接收警告指令，响应于警告指令，执行警告操作，以提醒目标设备的使用者出现非法解锁行为。其中，警告操作包括弹窗提醒或语音提醒。

在一个实施例中，步骤S12，包括：

将特征参数输入至已训练完成的声纹识别模型，得到已训练完成的声纹识别模型输出的声纹识别结果。

在应用中，将输入的特征参数与声纹识别库进行对比，得到声纹识别结果。

图3是本申请一实施例提供的声纹解锁方法的第二种流程示意图。如图3所示，步骤S12，包括：

S21：将特征参数输入至已训练完成的声道参数模型，得到已训练完成的声道参数模型输出的参数结果，参数结果包括不携带噪声的特征参数。

在应用中，已训练完成的声道参数模型为DNN(Deep Neural Networks深度神经网络)，其中，层与层之间为全连接。

将特征参数输入至已训练完成的声道参数模型，得到干净特征参数，能够提升特征参数的稳定性，降低特征参数因携带噪声对声纹识别结果造成的影响，以减少发生错误识别用户导致解锁的情况。

S22：将参数结果输入至已训练完成的声纹识别模型，得到已训练完成的声纹识别模型输出的声纹识别结果。

其中，已训练完成的声纹识别模型中的声纹识别库包括不携带噪声的特征参数。

在应用中，先根据不携带噪声的特征参数建立声纹识别库，已训练完成的声纹识别模型将参数结果与声纹识别库进行匹配，得到声纹识别结果。通过对不携带噪声的特征参数进行声纹识别，能够准确识别特征参数，以得到准确的声纹识别结果。

在一个实施例中，步骤S21之前，还包括：

获取多个语音参数样本组，语音参数样本组包括一条语音信号在不同噪声环境下的语音参数及不携带噪声的语音参数。

在应用中，在真实环境下采集语音信号的特征参数。为了适应不同环境下的声纹识别，在不同的基本使用环境下采集同一条语音信号，提取带噪语音参数，为声道参数模型能够在不同环境下准确输出该语音信号的干净特征参数提供基础。

利用语音参数样本组，训练声道参数模型，得到已训练完成的声道参数模型。

在应用中，将不携带噪声的语音参数作为标签。将一条语音信号在不同噪声环境下的语音参数输入至声道参数模型，利用标签，对声道参数模型进行训练。

训练过程中，利用梯度下降法，更新声道参数模型的权值。

图4是本申请一实施例提供的声纹解锁方法的第三种流程示意图。如图4所示，步骤S12之前，还包括：

S31：对特征参数进行语音识别，得到语音文本。

在应用中，语音识别算法可为模型匹配法或概率统计方法。

S32：若语音文本为预设专用词汇，则进入步骤S12：根据特征参数和已训练完成的声纹识别模型，获得声纹识别结果。

在应用中，先设置预设专用词汇，例如：解锁，马上解锁或立即解锁等。这些专用词汇相当于密码，当识别语音文本与预设专用词汇一致时，验证通过，才进行声纹识别，能够减降低误识率，减少发生错误识别用户导致解锁的情况，且能够提高识别率。

同时，专用词汇设置后使得特征参数变得相同，能够减少运算量。

在一个实施例中，步骤S12之后，还包括：

根据声纹识别结果，判断是否向目标设备发送更新指示信息，更新指示信息用于指示目标设备提示用户更新声纹识别库；

在应用中，若声纹识别结果中的概率评分低于预设更新阈值，则判断为向目标设备发送更新指示信息。

若声纹识别结果中的概率评分高于或等于预设更新阈值，则判断为不向目标设备发送更新指示信息。

若是，则向目标设备发送更新指示信息。

当用户因各种因素，例如年龄增长，身体状态，使得语音信号中用户个性化特征发生变化，这可能导致识别错误。因此，当声纹识别结果中的概率评分低于预设更新阈值，说明用户语音信号的特征参数发生变化了，影响了识别率。此时，向目标设备发送更新指示信息，以使目标设备根据更新指示信息提示用户更新声纹识别库，提高识别率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的方法，为了便于说明，仅示出了与本申请实施例相关的部分。

图5是本申请一实施例提供的声纹解锁装置的结构示意图。如图5所示，所述装置，包括：

采集单元10，用于采集用户的待测语音信号；

提取单元11，用于提取待测语音信号的特征参数；

识别单元12，用于根据特征参数和已训练完成的声纹识别模型，获得声纹识别结果；

验证单元13，用于根据声纹识别结果，验证用户身份；

用于若验证通过，则向目标设备发送解锁指令。

在一个实施例中，识别单元，具体用于将特征参数输入至已训练完成的声道参数模型，得到已训练完成的声道参数模型输出的参数结果，参数结果包括不携带噪声的特征参数；

将参数结果输入至已训练完成的声纹识别模型，得到已训练完成的声纹识别模型输出的声纹识别结果；

其中，已训练完成的声纹识别模型中的声纹识别库包括不携带噪声的特征参数。

在一个实施例中，识别单元，具体用于将特征参数输入至已训练完成的声纹识别模型，得到已训练完成的声纹识别模型输出的声纹识别结果。

在一个实施例中，所述装置还包括训练单元；

采集单元，还用于获取多个语音参数样本组，语音参数样本组包括一条语音信号在不同噪声环境下的语音参数及不携带噪声的语音参数；

训练单元，用于利用语音参数样本组，训练声道参数模型，得到已训练完成的声道参数模型。

在一个实施例中，训练单元，具体用于训练过程中，利用梯度下降法，更新声道参数模型的权值。

在一个实施例中，识别单元，还用于对特征参数进行语音识别，得到语音文本；

若语音文本为预设专用词汇，则进入步骤：根据特征参数和已训练完成的声纹识别模型，获得声纹识别结果。

在一个实施例中，验证单元，具体用于若声纹识别结果中的概率评分高于或等于预设阈值，则确定用户为目标用户，验证通过；

若声纹识别结果中的概率评分低于预设阈值，则确定用户为非目标用户，验证不通过。

图6为本申请一实施例提供的耳机的结构示意图。如图6所示，该实施例的耳机2包括：至少一个处理器20(图6中仅示出一个)、存储器21以及存储在所述存储器21中并可在所述至少一个处理器20上运行的计算机程序22，所述处理器20执行所述计算机程序22时实现上述任意各个方法实施例中的步骤。

所述耳机2可以是TWS耳机等设备。该耳机2可包括，但不仅限于，处理器20、存储器21。本领域技术人员可以理解，图6仅仅是耳机2的举例，并不构成对耳机2的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所称处理器20可以是中央处理单元(Central Processing Unit，CPU)，该处理器20还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器21在一些实施例中可以是所述耳机2的内部存储单元，例如耳机2的硬盘或内存。所述存储器21在另一些实施例中也可以是所述耳机2的外部存储设备，例如所述耳机2上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器21还可以既包括所述耳机2的内部存储单元也包括外部存储设备。所述存储器21用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器21还可以用于暂时地存储已经输出或者将要输出的数据。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在耳机上运行时，使得耳机执行时可实现上述各个方法实施例中的步骤。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。