基于说话认识技术的敏感人物身份确认系统开题报告.docx

新疆大学信息科学与工程学院本科毕业论文(设计)开题报告题目：基于说话认识技术的敏感人物身份确认系统专业信息安全姓名罗坤学号20121305207联系方年级 2012级指导教师杨文忠联系方式题日期2016.03.09新疆大学信息科学与工程学院1. 题目来源及开发目的和意义1.1 项目来源本论文题目来源于老师教师科研，论文通过对说话人识别的原理的了解，对基于说话认识技术的敏感人物身份确认系统进行需求分析；从而设计基于说话认识技术的敏感人物身份确认系统的系统模型；以实现一个简单基于说话认识技术的敏感人物身份确认系统原型；故论文涉及的内容具有较强的实践应用意义。1.2 项目开发目的和意义语音是人类之间交流情感与认知的重要信息载体，是在生活与工作中最基本、最自然的交流方式。随着信息技术的发展，使得通过分析语音信号中的个人特征来识别说话人成为可能。说话人识别技术因其良好的准确性、经济性和可扩展性，拥有着广阔的发展空间，且已经作为一项重要的多媒体数据分析技术，应用在事务访问控制、身份验证、语音数据管理和音频监控等众多研究领域。说话人识别是根据说话人的声音分辨确认人物身份的过程，是目前的一个研究热点。新疆地区突发事件，给人民的生命财产安全带来了相当大的威胁。实际上，侦查人员在对犯罪分子进行识别的过程中耗费了相当精力和时间进行敏感人物确认，然而这种耗时的工作并不太适合人工处理，在实际应用中可以借助说话人识别技术辅助检索，加快确认，并减少人力和物力支出。本系统将说话人识别技术应用在新疆突发事件中，主要内容是开发辅助犯罪分子确认系统，可快速确认突发事件中的敏感人物在以后的音视频中出现的证据，为快速抓捕敏感人物服务，为新疆平安城市的建设服务。2. 国内外研究现状对于说话人识别技术的研究，一直是计算机领域的热门话题。其研究历史可以追溯到第二次世界大战后期。在随后的几十年中，说话人技术快速发展，典型的研究成果有基于模式匹配和统计方差分析的说话人识别方法、基于线性预测分析与倒谱分析的说话人识别方法，人工神经网络 ( Artificial neural network，ANN)、动态时间规整( Dynamic time warping，DTW) 技术以及矢量量化( Vector quantization，VQ) 技术。但随着精确度更高的概率模型的提出，上述方法逐渐退出了使用。具有代表性的概率模型是隐含马尔科夫模型( Hidden Markov model，HMM)，由于HMM 对说话人语音信号有较强的鲁棒性，能够同时把统计参数全部集成在一个统一的框架中，用状态转移规律刻画稳定段之间的变化过程，统计声学特征和时间上的变动，因此在说话人识别中得到广泛的应用。20世纪90 年代，单状态的 HMM 即获提出，也就是高斯混合模型( Gaussian mixture model， GMM)，随后则将通用背景模型( Universal background model，UBM)引入到 GMM 中形成了GMM － UBM 系统，由于其优异的识别性能、简单灵活的模型结构和出众的鲁棒性，成为文本无关的说话人识别系统领域里发挥开创性引领作用的重要研究成果。目前，说话人识别技术已经取得了巨大的进步，在科技发展的带动下，以说话人识别技术为载体的电子科技产品日益增加，但是在拓展说话人识别技术应用范围的同时，也使其面对了更多变、更复杂的噪声干扰问题，这就对说话人识别技术提出了更加严苛的要求和更为严峻的挑战。其中信道畸变所引起的干扰即是噪声干扰的主要来源。在 GMM － UBM 的基础上，以解决信道畸变问题的联合因子( Joint factor analysis，FA)与 i － vector方法则相继获得提出，也已成为目前说话人识别领域中最为先进的技术之一。说话人识别按系统的实现方式,可以分为与文本相关的说话人识别和与文本无关的说话人识别。前者是指训练和识别都采用相同的词或句子, 后者则是训练和识别的内容可以不同。近30多年来,在这一领域取得了重大的进展。商用系统已经在很多领域得到应用。说话人辩认系统在司法领域中可以帮助对嫌疑人的查证。日本警方研究人员经过长期研究表明说话人识别可以作为可信的法庭证据。说话人确认系统则更多地用在保安领域,如机密场所的进入控制、合法使用通信线路、机要设备的身份核查及电子银行转帐业务的安全检查等。以上是对国内外有关领域研究现状的简介，说话人认识技术的应用广泛并且发展迅速，但在敏感人物身份确认的领域上还有很大的发展空间。3. 系统功能的实现3.1设计方案3.1.1 系统功能描述说话人识别是一个模式识别问题，即模式归类问题，整个过程包括训练和识别两个阶段。训练阶段，系统的每个使用者说出若干训练语句，系统据此建立