声纹识别系统设计

论述了声纹识别的相关概念、应用领域及其区别于其他身份认证的优势,从软件方面构建了一个基于Matlab的声纹识别系统,并对整个系统进行了仿真实验,实验结果表明该系统具有较高的识别率,可应用于有限人群的身份认证。     

声纹识别系统原理及其关键技术

以声纹为特征的身份识别技术具有十分广阔的应用前景。该文介绍了声纹识别系统的应用分类及其基本技术原理,重点分析了声纹识别系统中的特征参数提取、模式匹配判断等关键技术问题,并总结声纹识别技术的研究进展。     

基于声纹识别技术精准打击电信网络诈骗犯罪研究

声纹具有独特的生物学特征且相对稳定,已被广泛应用于身份识别。大数据时代,依托人工智能和云计算的声纹识别技术是新形势下打击电信网络诈骗的有力武器。本文基于声纹识别技术研究设计反诈系统,为精准打击电信网络诈骗犯罪实战提供了新路径。     

基于声纹识别技术的多因子身份认证方式的探析

在网络与数字世界中,传统简单的身份验证方案已无法满足人们对安全性、灵活性、准确度等更高标准的需求。在大数据分析、人工智能等新信息技术的催生下,多因子身份验证已成为了用户信息安全的主要保证。因此文章将通过对声纹识别技术的深入研究,以探索其在多因子身份验证方法中的实际运用。     

基于声纹识别的Web身份认证系统设计

设计一个基于声纹识别的Web身份认证系统。在浏览器端利用自主开发的ActiveX录音控件录取封装使用者的声纹特征并传送给服务器,服务器端使用隐马尔科夫模型表述单字,单字之间通过增加静音状态分割以及语音训练形成稳定的声纹特征模型作为身份验证的基础库。实际测试结果表明,该系统识别性能好、可移植性强,适用于网络资源的远程声控。     

GMM-UBM声纹识别技术研究与应用

随着信息化技术发展,身份识别的方式逐步多样化,如人脸、指纹、声纹等,其中声纹识别因代价低、移动性好等优点而得到广泛关注.在研究VQ、HMM等传统声纹识别技术的基础上,提出了一种优秀算法GMM-UBM,并将其运用在考勤系统中.实验证明,与传统算法相比,GMM-UBM在识别率和并发度方面具有一定的优越性.     

基于声纹识别和语音识别的网络账号身份认证系统

文章设计开发的基于声纹识别和语音识别的网络账号身份认证系统主要包含声纹录入、建库以及声纹判别两个部分。网络用户注册时,对用户的声纹进行采集;用户再次登录时,将用户的声纹与数据库中的声纹进行比较,通过声纹识别验证用户身份,确保用户的数据安全。系统建立在服务器端,安装方便快捷,安全性高。对用户要求低,仅需要一部麦克风即可完成注册。系统操作方便、简单,安全性、保密性好,市场前景广阔。     

声纹识别技术应用及一些关键问题

世界信息化进程日新月异,人们充分享受着便捷快速信息带来的好处。然而,出现在人们面前的“个人隐私的保密”问题迫切需要解决。现在常用的密码或者IC卡等加密手段具有先天性安全缺陷,即易忘记,易丢失,易盗。而用生物特征进行身份认证的技术正是克服这些缺陷的认证新手段,因为它是个人所特有的,每个人的特征都是不一样的。正如比尔盖茨所说：“以人类生物特征(指纹、语音、人脸、虹膜)进行身份验证的生物识别技术,在今后数年内将成为IT产业最为重要的技术革命”。     

基于过零间隔点的声纹识别技术

讨论了现有身份验证技术的状况以及存在的一些问题，叙述了重要的几项生物特征识别技术的优缺点。描述了声纹识别技术广泛涉及的一些声学特性。介绍了基于过零间隔点技术的声纹识别系统和其中一些关键技术和系统的设计流程。对于最重要部分，该文附上了源代码。     

声纹识别和语音识别技术在公安领域的应用

鉴于声学特征的唯一性、稳定性,依托人工智能、大数据和云计算技术的助推,声纹识别和语音识别技术在公安实战中发挥了重要作用,为公安业务处理提供新思路、新途径、新手段,为侦查破案提供新线索.     

A structure-preserved local matching approach for face recognition

In this paper, a novel local matching method called structure-preserved projections (SPP) is proposed for face recognition. Unlike most existing local matching methods which neglect the interactions of different sub-pattern sets during feature extraction, i.e., they assume different sub-pattern sets are independent; SPP takes the holistic context of the face into account and can preserve the configural structure of each face image in subspace. Moreover, the intrinsic manifold structure of the sub-pattern sets can also be preserved in our method. With SPP, all sub-patterns partitioned from the original face images are trained to obtain a unified subspace, in which recognition can be performed. The efficiency of the proposed algorithm is demonstrated by extensive experiments on three standard face databases (Yale, Extended YaleB and PIE). Experimental results show that SPP outperforms other holistic and local matching methods.     

采用特征与用户名分离方法保护声纹特征

基于用户名与其特征分离的思路提出一种声纹保护方法。首先对用户名称与随机数做哈希变换,然后采用分别传输和异地存储的方式达到特征与用户名分离的目的;最后在模式匹配和签名验证两种方式下实现认证。对于该方法：即使敌手获得用户密钥,也不能冒充真实用户,从而达到特征保护的目的。     

连续语音识别技术及其应用前景分析

连续语音识别技术,是集语音处理、模式识别、句法和语义分析于一体的综合性语音处理技术,能够识别任意的连续语音,如一个句子或一段话,大大提高了语音交互的连续性和体验度,是语音识别技术的核心之一。本文介绍了连续语音识别技术的研究现状及几种常见的技术方法,并且分析探讨了连续语音识别技术的应用和发展前景。     

语音信号处理技术及其应用前景分析

语音识别技术目前的技术框架主要基于模式识别,对数据的匹配性要求很高,对方言、口音以及口语的处理能力还存在很大的瓶颈,即使是标准口音,也需要用户较高的配合度。、本文介绍了语音信号处理技术的研究现状及几种常见的技术方法,并且分析探讨了语音信号处理技术的应用和发展前景。     

Fractional-order embedding canonical correlation analysis and its applications to multi-view dimensionality reduction and recognition

Due to the noise disturbance and limited number of training samples, within-set and between-set sample covariance matrices in canonical correlation analysis (CCA) usually deviate from the true ones. In this paper, we re-estimate within-set and between-set covariance matrices to reduce the negative effect of this deviation. Specifically, we use the idea of fractional order to respectively correct the eigenvalues and singular values in the corresponding sample covariance matrices, and then construct fractional-order within-set and between-set scatter matrices which can obviously alleviate the problem of the deviation. On this basis, a new approach is proposed to reduce the dimensionality of multi-view data for classification tasks, called fractional-order embedding canonical correlation analysis (FECCA). The proposed method is evaluated on various handwritten numeral, face and object recognition problems. Extensive experimental results on the CENPARMI, UCI, AT&T, AR, and COIL-20 databases show that FECCA is very effective and obviously outperforms the existing joint dimensionality reduction or feature extraction methods in terms of classification accuracy. Moreover, its improvements for recognition rates are statistically significant on most cases below the significance level 0.05.