基于声纹识别的身份验证方法、装置、系统和存储介质与流程

1.本发明涉及声纹识别领域，特别是涉及一种基于声纹识别的身份验证方法、装置、系统和存储介质。

背景技术：

2.每个人的声音都蕴涵着特有的生物特征，声纹识别是指利用说话人的声音来识别说话人的一种技术手段。声纹识别同指纹识别等技术一样具有高度的安全可靠性，可以应用在所有需要做身份识别的场合。如在刑侦、银行、证券、保险等金融领域。与传统的身份识别技术相比，声纹识别的优势在于，声纹提取过程简单，成本低，且具有唯一性，不易伪造和假冒。
3.目前大多数卡片类身份验证产品，例如vip卡、门禁卡等产品都只是嵌入了消费者的一些基础的信息，例如姓名，手机号等，在使用卡片消费的时候，基本上是即刷即用，不需要验证其它信息，当卡片丢失或者被盗走后，很容易存在被盗用的风险。一些金融领域的卡片产品，比如银行卡，虽然加入了密码等验证措施，不过仍然存在密码被盗取然后被盗刷的风险。

技术实现要素：

4.本发明的实施例提供了一种基于声纹识别的身份验证方法、装置、系统和存储介质，以增强便携类身份认证物件如卡片的安全等级。
5.为了实现上述目的，一方面，提供了一种基于声纹识别的身份验证方法，用于对便携物件持有人的身份进行验证，包括：
6.s1，接收所述便携物件持有人输入的持有人语音信息；
7.s2，利用预先训练好的声纹识别模型提取所接收的语音信息中、所述持有人的声纹特征,并将所提取的声纹特征传输至所述便携物件；
8.s3，在所述便携物件将所提取的声纹特征与预先存储在所述便携物件上的声纹特征进行比对并发送比对结果之后，接收所述比对结果，且当所述比对结果表示所提取的声纹特征与预先存储在所述便携物件上的声纹特征属于同一人时，身份验证通过，允许所述持有人使用所述便携物件；当所述比对结果表示所提取的声纹特征与预先存储在所述便携物件上的声纹特征不属于同一人时，身份验证不通过。
9.优选地，所述的身份验证方法，其中，在便携物件的申请人申请便携物件时将所述申请人的声纹特征预先存储在所述便携物件上，具体包括：
10.接收所述申请人输入的预定数目和/或预定格式的语音信息；
11.利用所述预先训练好的声纹模型提取所接收的申请人的语音信息的声纹特征，并将所提取的申请人的声纹特征写入申请人申请的便携物件中，以供后续进行身份验证。
12.优选地，所述的身份验证方法，其中，所述声纹识别模型预先通过神经网络基础模型来训练，所述训练包括：
13.采集训练用语音数据集；
14.对所采集的语音数据集进行预处理，所述预处理包括：将所采集的语音数据集进行采样量化；通过高通滤波器对量化后的语音数据进行预加重；从经过预加重处理后的语音数据集中取第一预定数目的点为一个音框，其中音框与音框之间重叠第二预定数目的点；针对每一个音框进行加窗，以消除音框两端的不连续性；将音框通过低通滤波器以去除噪声；
15.对经过预处理后的语音数据集使用梅尔频率倒谱系数方法提取声纹特征。
16.优选地，所述的身份验证方法，其中，使用如下公式来提取声纹特征：
[0017][0018]
其中，f
mel
为梅尔刻度；f为频率；μ为变换系数，其取值范围为[0，1]。
[0019]
优选地，所述的身份验证方法，其中，所述提取的声纹特征和预先存储在所述便携物件上的声纹特征为维数相同的mfcc特征，所述比对为1：1比对。
[0020]
优选地，所述的身份验证方法，其中，所述mfcc特征为512维。
[0021]
优选地，所述的身份验证方法，其中，在所述便携物件上通过计算声纹特征的余弦相似度来进行比对，其中，利用如下公式来计算声纹特征的余弦相似度：
[0022][0023]
其中，γ和x为调整参数，γ的取值范围为[0-0.5]，x的取值范围为[0，0.5]，θ为特征a和b之间的夹角，a和b为声纹特征，ai为特征a的第i个矢量，bi特征b的第i个矢量，||a||为特征a的模长，||b||为特征b的模长。
[0024]
优选地，所述的身份验证方法，其中，所述便携物件上还预先存储所述便携物件申请人的身份信息和，所述身份信息、所述和所述申请人的声纹特征被合并后加密存储在所述便携物件中。
[0025]
优选地，所述的身份验证方法，其中，所述步骤s1至s3由终端机执行，所述预先训练好的模型预先安装在所述终端机上，便携设备持有人根据在所述终端机上的提示输入预定数目和/或预定公式的语音信息。
[0026]
优选地，所述的身份验证方法，其中，所述便携物件包括：卡片。
[0027]
另一方面.提供了一种基于声纹识别的身份验证装置，用于对便携物件持有人的身份进行验证，包括：
[0028]
声音接收模块，用于接收输入的语音信息；
[0029]
存储器和处理器，所述存储器存储有至少一段程序，所述至少一段程序由所述处理器执行以实现如上文所述的基于声纹识别的身份验证方法。
[0030]
又一方面，提供了一种基于声纹识别的身份验证系统，用于对便携物件持有人的身份进行验证，包括：
[0031]
终端机，包括：声音接收模块，用于接收所述便携物件持有人输入的持有人语音信息；第一存储模块，用于存储预先训练好的声纹识别模型；第一处理模块，用于利用所述预先训练好的声纹识别模型提取所接收的语音信息中所述持有人的声纹特征,并将所提取的声纹特征传输至所述便携物件，以供所述便携物件将所提取的声纹特征与预先存储在所述
便携物件上的声纹特征进行比对；结果输出模块，用于接收所述便携物件输入的比对结果，并当所述比对结果表示所提取的声纹特征与预先存储在所述便携物件上的声纹特征属于同一人时，输出身份验证通过的结果；当所述比对结果表示所提取的声纹特征与预先存储在所述便携物件上的声纹特征不属于同一人时，输出身份验证不通过的结果；
[0032]
便携物件，包括：第二存储模块，用于存储便携物件所有人的身份信息和声纹特征；第二处理模块，用于接收所述终端机输入的声纹特征，并通过计算余弦相似度的方法将接收的声纹特征与所存储的所有人的声纹特征进行比对，并将比对结果输出到所述终端机。
[0033]
又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一段程序，所述至少一段程序由处理器执行以实现如上文所述的基于声纹识别的身份验证方法。
[0034]
上述技术方案具有如下技术效果：
[0035]
本发明实施例的技术方案，通过利用预先训练好的声纹识别模型来提取便携类身份认证物件持有人的声纹特征，并将该提取的声纹特征传输至便携物件中，由便携物件进行比对，实现了对便携物件持有人的身份认证，由此使用声纹识别技术辅助提升了便携类身份认证物件如卡片类身份验证产品的安全等级，提升了业务办理的效率，能够识别使用假冒伪造卡片的不良用户体，降低刷卡业务开展过程中存在的盗用风险。
附图说明
[0036]
图1为本发明一实施例的基于声纹识别的身份验证方法的流程示意图；
[0037]
图2为本发明一实施例的基于声纹识别的身份验证装置的结构示意图。
具体实施方式
[0038]
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
[0039]
现结合附图和具体实施方式对本发明进一步说明。
[0040]
实施例一：
[0041]
图1为本发明一实施例的基于声纹识别的身份验证方法的流程示意图。如图1，该实施例的基于声纹识别的身份验证方法，用于对便携物件持有人的身份进行验证，其包括：
[0042]
s1，接收便携物件持有人输入的持有人语音信息；
[0043]
s2，利用预先训练好的声纹识别模型提取所接收的语音信息中、持有人的声纹特征,并将所提取的声纹特征传输至便携物件；
[0044]
s3，在便携物件将所提取的声纹特征与预先存储在便携物件上的声纹特征进行比对并发送比对结果之后，接收比对结果，且当比对结果表示所提取的声纹特征与预先存储在便携物件上的声纹特征属于同一人时，身份验证通过，允许持有人使用便携物件；当比对结果表示所提取的声纹特征与预先存储在所述便携物件上的声纹特征不属于同一人时，身份验证不通过。
[0045]
具体实现中，上述便携物件为身份验证类便携物件，其可以是各种卡片类物品，如
银行卡、vip卡、门禁卡等，也可以是其它的便携物件，比如手环、卡扣、电子手表等各种便于携带且可以或需要用于进行身份认证的物品。
[0046]
优选地，上述各步骤通过设置在需要进行身份验证的地方或机构处的终端机来执行；示例性地，对于银行卡，可以是由设置在银行的柜台处的终端机来执行。
[0047]
优选地，上述预先训练好的声纹识别模型可以是预先针对当前应用场景收集客户语音数据，标记好说话人id，并利用收集好的客户语音数据通过机器学习的方法预先训练好的。
[0048]
优选地，预先存储在上述设置在需要进行身份验证的地方或机构处的终端机上的；示例性地，对于银行卡，可以是将预先训练好的声纹识别模型设置在银行柜台处的终端机上。优选地，训练好的声纹识别模型通过离线的方式部署到终端机上面，这样可以直接在终端机上提取声纹特征，不需要联网。
[0049]
优选地，便携物件如卡片上预先存储的声纹特征可以是在申请人在向便携物件的发放机构申请便携物件时，由发放机构通过设备如终端机将申请人的声纹特征预先存储在所述便携物件上，具体包括由上述设备或终端机执行的如下步骤：
[0050]
接收申请人输入的预定数目和/或预定格式的语音信息；
[0051]
利用预先训练好的声纹模型提取所接收的申请人的语音信息的声纹特征，并将所提取的申请人的声纹特征写入申请人申请的便携物件中，以供后续进行身份验证。
[0052]
优选地，所述提取的声纹特征和预先存储在所述便携物件上的声纹特征为维数相同的梅尔倒谱系数(mfcc)特征，便携物件上进行的声纹特征比对为1：1比对。
[0053]
优选地，便携物件上还预先存储所述便携物件申请人的身份信息和，身份信息、和申请人的声纹特征被合并后加密存储在便携物件中。
[0054]
以便携物件为卡片为例简单说明一下本发明实施例的方法。当客户申请用卡的时候，首先根据设置在身份验证处的终端机的界面上显示的提示，念5遍6位的随机数字串，将5条随机数字串合并成一条后输入训练好的声纹模型，提取512维的声纹特征，然后将提取好的声纹特征和客户的身份信息，例如姓名、手机号等信息加密后一起写入卡片里面。当客户刷卡使用的时候，客户需要根据设置在刷卡处的终端机界面上的显示，读出6位随机动态数字串，然后将语音输入提前训练好的声纹模型，提取出512维的声纹特征，然后将该提取的512维的特征传输到卡片里面，在卡片里面调用比对算法来比对当前提取的声纹特征和卡片上面预存的声纹特征是否属于同一个人，并将比对结果传输回终端机。终端机根据比对结果确认身份验证是否通过。具体地，当界面显示比对结果为属于同一个人的时候，才可以为该客户提供相应服务，否则，核验非同一个人，该次基于声纹识别的身份验证不通过，需要进一步核实该客户的身份。这样，利用本发明的技术方案，客户既可以刷卡体验便捷消费又可以充分保护客户的财产安全。
[0055]
在具体实现中，在办卡和刷卡时采集的语音信息不局限于上文所提到的通过读随机数字串获得，还可以是读或说其它的语言材料获得。要获取的语音信息可以是预先设定的，在此不对语音信息的内容进行限制。
[0056]
优选地，本发明实施例的基于声纹识别的身份认证方法中，所述声纹识别模型预先通过神经网络基础模型来训练，该训练包括：
[0057]
采集训练用语音数据集；
[0058]
对所采集的语音数据集进行预处理，所述预处理包括：将所采集的语音数据集进行采样量化；通过高通滤波器对量化后的语音数据进行预加重；从经过预加重处理后的语音数据集中取第一预定数目的点为一个音框，其中音框与音框之间重叠第二预定数目的点；针对每一个音框进行加窗，以消除音框两端的不连续性；将音框通过低通滤波器以去除噪声；
[0059]
对经过预处理后的语音数据集使用梅尔频率倒谱系数方法提取声纹特征。
[0060]
下面举例说明声纹识别模型的训练过程。简单说来，训练过程包括：输入语音-》预处理-》特征提取-》训练-》模型产生-》模型存储几个步骤。其中，示例性地，输入语音包括：采集两个应用场景的语音数据集，分别为电话信道语音场景和视频语音场景。
[0061]
一般的预处理过程为：(1)采样量化：语音信号通常以8khz或更高的采样速率数字化，每个采样至少用8比特表示，此步骤一般是在前端设备进行，比如手机或者固定电话，输入到后端服务器的语音流已经是量化后的；(2)预加重：声音经过8khz或更高的采样速率的采样后转成数字语音信号，接着通过一个一阶高通滤波器来进行预加重处理以突显高频部分；其传递函数为：h(z)＝1-az-1
，a的值一般为0.95左右；(3)取音框：一般地，取256点为一个音框，时间上看是32ms，音框与音框之间重叠128点，时间上看是16ms，即每次位移128点后再取256点作为下一个音框，这样可避免音框之间的特性变化太剧烈；(4)加窗：针对每一个音框乘上汉明窗以消除音框两端的不连续性，避免分析时受到前后音框的影响；(5)最后，将音框通过低通滤波器，可去除异常高起的噪声。该例中提到的具体数值为示例性地，根据需求的不同，可以采用其它的数值。
[0062]
特征提取即声纹特征提取：使用mel频率倒谱系数(mel-frequency cepstrum coefficients，简称mfcc)方法提取特征，在原有公式基础上，增加变换系数μ，该变换系数即为调整系数，可以根据不同的语音数据集来调整该系数的取值，其取值范围[0，1],即取值范围为0到1。通过调整该值，可以提升训练模型的抗时变鲁棒性，表达式如下：
[0063][0064]
变换系数的优选取值可以针对特定的语音数据集通过实验获得。
[0065]
训练：使用神经网络(resnet)基础模型来训练声纹识别模型；模型产生：生成当前场景下的声纹识别模型；模型存储：将训练好的模型部署到终端机上面。
[0066]
实施例二：
[0067]
实际应用场景下，基于声纹识别的身份认证流程如下：
[0068]
采用离线的方式将训练好的声纹识别模型部署在终端机上面；当客户申请卡片的时候，除了提供客户姓名，手机号码等基础信息以外，还需根据终端机的屏幕显示，念5遍6位随机数字串，比如第一遍念：“561 723”,依次类推。终端机后台将客户的5条语音合并成一条后提取mfcc特征，将提取好的mfcc特征输入声纹模型，提取出该客户的512维的声纹特征，将客户声纹特征和客户的姓名、手机号码等基础信息合并，如下：{name，phone，feature1,feature2,
……
,feature512}，加密后存储到卡片里面；示例性的加密算法为国密sm4；还可以采用其它的加密算法；
[0069]
当客户使用卡片的时候，客户需要根据终端机的屏幕显示，念一串6位动态数字，比如“012 583”,终端机后台对该数字串语音提取mfcc特征，将mfcc特征输入声纹模型，提
取出该客户的声纹特征，如下：{feature1，feature2，
……
，feature512},然后将客户声纹特征传输到卡片上，在卡片上，利用卡片上面内嵌的芯片调用比对算法，与卡片上预存的声纹特征进行1:1比对。
[0070]
比对算法通过计算两个特征的余弦相似度实现，对传统的余弦相似度公式做了改进，新增调节参数γ和x，γ为权重系数，取值范围[0，0.5]即0到0.5，x为偏置量，取值范围[0，0.5]即0到0.5，通过调整这两个参数，可以有效提升模型的识别准确率，从原来的准确92％提升到了96％，公式如下：
[0071][0072]
θ为特征a和b之间的夹角，a和b为声纹特征，ai为特征a的第i个矢量，bi特征b的第i个矢量，||a||为特征a的模长，||b||为特征b的模长。
[0073]
上述权重系数和偏置量的优选取值可以通过实验获得。
[0074]
在卡片上的比对结束后，卡片将比对结果传输回终端机，若返回结果标示不是比对的声纹特征不属于同一个人，则验证不通过，需要进一步核实客户的身份；若属于同一个人，则验证通过。
[0075]
本发明实施例的身份验证方法，使用声纹识别技术辅助提升了具有身份验证属性的便携物件如卡片类身份验证产品的安全等级，提升了业务办理效率，有助于识别使用假冒伪造卡片的不良用户体，降低了在刷卡业务开展过程中存在的盗用风险。
[0076]
实施例三：
[0077]
本发明还提供一种基于声纹识别的身份验证装置。如图2所示，该装置包括处理器201、存储器202、总线203、声音接收模块204、以及存储在所述存储器202中并可在所述处理器201上运行的计算机程序，处理器201包括一个或一个以上处理核心，存储器202通过总线203与处理器201相连，存储器202用于存储程序指令，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。示例性地，声音接收模块204可以为麦克风等拾音器。
[0078]
进一步地，作为一个可执行方案，所述身份验证装置可以是计算机单元，该计算机单元可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机单元可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述计算机单元的组成结构仅仅是计算机单元的示例，并不构成对计算机单元的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件。例如所述计算机单元还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
[0079]
进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(central processing unit，cpu)，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，所述处理器是所述计算机单元的控制中心，利用各种接口和线路连接整个计算机单元的各个部分。
[0080]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行
存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机单元的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0081]
实施例四：
[0082]
本发明还提供了一种基于声纹识别的身份验证系统，用于对便携物件持有人的身份进行验证，包括终端机和便携物件，其中终端机包括：声音接收模块，用于接收便携物件持有人输入的持有人语音信息；第一存储模块，用于存储预先训练好的声纹识别模型；第一处理模块，用于利用预先训练好的声纹识别模型提取所接收的语音信息中持有人的声纹特征,并将所提取的声纹特征传输至便携物件，以供便携物件将所提取的声纹特征与预先存储在便携物件上的声纹特征进行比对；结果输出模块，用于接收便携物件输入的比对结果，并当比对结果表示所提取的声纹特征与预先存储在便携物件上的声纹特征属于同一人时，输出身份验证通过的结果；当比对结果表示所提取的声纹特征与预先存储在便携物件上的声纹特征不属于同一人时，输出身份验证不通过的结果；便携物件包括：第二存储模块，用于存储便携物件所有人的身份信息和声纹特征；第二处理模块，用于接收终端机输入的声纹特征，并通过计算余弦相似度的方法将接收的声纹特征与所存储的所有人的声纹特征进行比对，并将比对结果输出到终端机。示例性地，上述便携物件为卡片。优选地，安装在上述便携物件如卡片上的处理模块是中天ck802 32位处理器，其主频：72mhz。
[0083]
实施例五：
[0084]
本发明还提供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本发明实施例上述方法的步骤。
[0085]
所述计算机单元集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也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可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
[0086]
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

技术特征：

1.一种基于声纹识别的身份验证方法，用于对便携物件持有人的身份进行验证，其特征在于，包括：s1，接收所述便携物件持有人输入的持有人语音信息；s2，利用预先训练好的声纹识别模型提取所接收的语音信息中、所述持有人的声纹特征,并将所提取的声纹特征传输至所述便携物件；s3，在所述便携物件将所提取的声纹特征与预先存储在所述便携物件上的声纹特征进行比对并发送比对结果之后，接收所述比对结果，且当所述比对结果表示所提取的声纹特征与预先存储在所述便携物件上的声纹特征属于同一人时，身份验证通过，允许所述持有人使用所述便携物件；当所述比对结果表示所提取的声纹特征与预先存储在所述便携物件上的声纹特征不属于同一人时，身份验证不通过。2.根据权利要求1所述的身份验证方法，其特征在于，在便携物件的申请人申请便携物件时将所述申请人的声纹特征预先存储在所述便携物件上，具体包括：接收所述申请人输入的预定数目和/或预定格式的语音信息；利用所述预先训练好的声纹模型提取所接收的申请人的语音信息的声纹特征，并将所提取的申请人的声纹特征写入申请人申请的便携物件中，以供后续进行身份验证。3.根据权利要求2所述的身份验证方法，其特征在于，所述声纹识别模型预先通过神经网络基础模型来训练，所述训练包括：采集训练用语音数据集；对所采集的语音数据集进行预处理，所述预处理包括：将所采集的语音数据集进行采样量化；通过高通滤波器对量化后的语音数据进行预加重；从经过预加重处理后的语音数据集中取第一预定数目的点为一个音框，其中音框与音框之间重叠第二预定数目的点；针对每一个音框进行加窗，以消除音框两端的不连续性；将音框通过低通滤波器以去除噪声；对经过预处理后的语音数据集使用梅尔频率倒谱系数方法提取声纹特征。4.根据权利要求3所述的身份验证方法，其特征在于，使用如下公式来提取声纹特征：其中，f
mel
为梅尔刻度；f为频率；μ为变换系数，其取值范围[0，1]。5.根据权利要求1所述的身份验证方法，其特征在于，所述提取的声纹特征和预先存储在所述便携物件上的声纹特征为维数相同的mfcc特征，所述比对为1：1比对。6.根据权利要求1所述的身份验证方法，其特征在于，所述mfcc特征为512维。7.根据权利要求1所述的身份验证方法，其特征在于，在所述便携物件上通过计算声纹特征的余弦相似度来进行比对，其中，利用如下公式来计算声纹特征的余弦相似度：其中，γ为权重系数，x为偏置量，γ的取值范围为[0，0.5]，x的取值范围为[0，0.5]，θ为特征a和b之间的夹角，a和b为声纹特征，a
i
为特征a的第i个矢量，b
i
特征b的第i个矢量，||a||为特征a的模长，||b||为特征b的模长。8.根据权利要求2所述的身份验证方法，其特征在于，所述便携物件上还预先存储所述
便携物件申请人的身份信息和，所述身份信息、所述和所述申请人的声纹特征被合并后加密存储在所述便携物件中。9.根据权利要求1所述的身份验证方法，其特征在于，所述步骤s1至s3由终端机执行，所述预先训练好的模型预先安装在所述终端机上，便携设备持有人根据在所述终端机上的提示输入预定数目和/或预定公式的语音信息。10.根据权利要求1所述的身份验证方法，其特征在于，所述便携物件包括：卡片。11.一种基于声纹识别的身份验证装置，用于对便携物件持有人的身份进行验证，其特征在于，包括：声音接收模块，用于接收输入的语音信息；存储器和处理器，所述存储器存储有至少一段程序，所述至少一段程序由所述处理器执行以实现如权利要求1至10任一所述的基于声纹识别的身份验证方法。12.一种基于声纹识别的身份验证系统，用于对便携物件持有人的身份进行验证，其特征在于，包括：终端机，包括：声音接收模块，用于接收所述便携物件持有人输入的持有人语音信息；第一存储模块，用于存储预先训练好的声纹识别模型；第一处理模块，用于利用所述预先训练好的声纹识别模型提取所接收的语音信息中所述持有人的声纹特征,并将所提取的声纹特征传输至所述便携物件，以供所述便携物件将所提取的声纹特征与预先存储在所述便携物件上的声纹特征进行比对；结果输出模块，用于接收所述便携物件输入的比对结果，并当所述比对结果表示所提取的声纹特征与预先存储在所述便携物件上的声纹特征属于同一人时，输出身份验证通过的结果；当所述比对结果表示所提取的声纹特征与预先存储在所述便携物件上的声纹特征不属于同一人时，输出身份验证不通过的结果；便携物件，包括：第二存储模块，用于存储便携物件所有人的身份信息和声纹特征；第二处理模块，用于接收所述终端机输入的声纹特征，并通过计算余弦相似度的方法将接收的声纹特征与所存储的所有人的声纹特征进行比对，并将比对结果输出到所述终端机。13.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一段程序，所述至少一段程序由处理器执行以实现如权利要求1至10任一所述的基于声纹识别的身份验证方法。

技术总结

本发明提供了一种基于声纹识别的身份验证方法、装置、系统和存储介质，该方法包括：S1，接收便携物件持有人输入的语音信息；S2，利用预先训练好的声纹识别模型提取所接收的语音信息中的声纹特征,并将所提取的声纹特征传输至便携物件；S3，在便携物件将所提取的声纹特征与预先存储在便携物件上的声纹特征进行比对并发送比对结果之后，接收比对结果，且当比对结果表示所提取的声纹特征与预先存储在便携物件上的声纹特征属于同一人时，身份验证通过，允许持有人使用便携物件；当比对结果表示所提取的声纹特征与预先存储在便携物件上的声纹特征不属于同一人时，身份验证不通过。利用上述技术方案，可以增强便携类身份认证物件的安全性。的安全性。的安全性。