本发明专利技术公开了一种基于云端机器学习的声纹开锁方法，属于声纹识别技术领域，包括：获取第一录音信息，通过概率密度函数提取得到第一语音表征；通过第一语音表征使用期望最大化算法得出通用声纹背景模型作为背景库；获取第二录音信息，通过概率密度函数提取得到第二语音表征；将第二语音表征与通用声纹背景模型进行对比，计算二者的近似程度；将所述近似程度数值与预设的阈值进行比较，根据比较结果判断第一录音信息与第二录音信息是否匹配，匹配则打开锁具，本发明专利技术解决传统的本地声纹识别训练库存在因训练数据少而导致的识别率低的问题。存在因训练数据少而导致的识别率低的问题。存在因训练数据少而导致的识别率低的问题。
【技术实现步骤摘要】
一种基于云端机器学习的声纹开锁方法及装置
[0001]本专利技术涉及一种基于云端机器学习的声纹开锁方法及装置，属于声纹识别
技术介绍
[0002]锁具是安防最重要的环节，是家家户户都需要用到的刚需产品，传统机械锁是一种没有电子器件的大密钥量高可靠的全机械密码锁。它的操作方式独特，类似老电话机的拨号――从拨盘的起点开始，顺时针转动拨盘到某一位数码，然后退回到起点，就输入了一位密码。如此重复直到输入了最后一位密码，再从起点逆时针转动拨盘就可以开锁。在开锁的同时，内部已经复位，所以拨盘退回到起点关锁后，必须重新输入密码才能开锁，不需要考虑内部复位问题。如果输错了密码，逆时针转动拨盘(虚开锁)也可以内部复位，然后重新输入密码。但传统机械锁防技术开启能力较低，钥匙容易丢失甚至被复制，日常忘带钥匙会造成不方便，急需一种以声纹信息作为解锁秘钥的一种解锁方法，而传统的本地声纹识别训练库存在因训练数据少而导致的识别率低的问题。
技术实现思路
[0003]本专利技术的目的在于克服现有技术中的不足，提供一种基于云端机器学习的声纹开锁方法及装置，解决传统的本地声纹识别训练库存在因训练数据少而导致的识别率低的问题。
[0004]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0005]一方面，本专利技术提供了一种基于云端机器学习的声纹开锁方法，应用于嵌于锁具内部的主控板，包括：
[0006]获取第一录音信息，通过概率密度函数提取得到第一语音表征；
[0007]上传第一语音表征至云端服务器，其中云端服务器用于将第一语音表征使用期望最大化算法得出通用声纹背景模型作为背景库，并把通用声纹背景模型同步给主控板；
[0008]获取第二录音信息，通过概率密度函数提取得到第二语音表征；
[0009]将第二语音表征与从云端服务器下载的通用声纹背景模型进行对比，计算二者的近似程度；
[0010]将所述近似程度数值与预设的阈值进行比较，根据比较结果判断第一录音信息与第二录音信息是否匹配，匹配则打开锁具。
[0011]进一步的，所述第一录音信息、第二录音信息通过安装于锁具上的麦克风录制获取，所述麦克风与主控板相连接。
[0012]进一步的，所述第一录音信息的音频内容为预先约定的一段特定文字或声音，存储于主控板中。
[0013]第二方面，本专利技术提供一种基于云端机器学习的声纹开锁方法，应用于锁具中，包括：
[0014]获取第一录音信息，通过概率密度函数提取得到第一语音表征；
[0015]通过第一语音表征使用期望最大化算法得出通用声纹背景模型作为背景库；
[0016]获取第二录音信息，通过概率密度函数提取得到第二语音表征；
[0017]将第二语音表征与通用声纹背景模型进行对比，计算二者的近似程度；
[0018]将所述近似程度数值与预设的阈值进行比较，根据比较结果判断第一录音信息与第二录音信息是否匹配，匹配则打开锁具。
[0019]进一步的，所述第二语音表征与通用声纹背景模型使用最大后验概率算法进行对比。
[0020]第三方面，本专利技术提供一种基于云端机器学习的声纹开锁装置，包括：
[0021]第一提取单元，用于获取第一录音信息，通过概率密度函数提取得到第一语音表征；
[0022]背景库建立单元，用于通过第一语音表征使用期望最大化算法得出通用声纹背景模型作为背景库；
[0023]第二提取单元，用于获取第二录音信息，通过概率密度函数提取得到第二语音表征；
[0024]对比计算单元；将第二语音表征与通用声纹背景模型进行对比，计算二者的近似程度；
[0025]比较单元，将所述近似程度数值与预设的阈值进行比较，根据比较结果判断第一录音信息与第二录音信息是否匹配，匹配则打开锁具。
[0026]第四方面，本专利技术提供一种基于云端机器学习的声纹开锁系统，包括锁具，还包括：
[0027]麦克风，安装于锁具上，用于录制说话录音信息，发送录音信息至主控板；
[0028]主控板，嵌于锁具内部作为算法程序载体，主控板与外置麦克风相连接，将获取录音信息，通过概率密度函数提取得到语音表征，上传到云端服务器，并接入互联网定期从云端服务器下载通用声纹背景模型；将提取得到语音表征，与下载的通用声纹背景模型进行对比，计算二者的近似程度，将所述近似程度数值与预设的阈值进行比较，根据比较结果判断第一录音信息与第二录音信息是否匹配，匹配则打开锁具；
[0029]云端服务器，通过接收的语音表征作为训练数据通过期望最大化算法得出通用声纹背景模型作为背景库，并把通用声纹背景模型同步给主控板。
[0030]进一步的，所述主控板上设有存储模块，用于将接收的音频信息进行存储。
[0031]第五方面，本专利技术提供一种基于云端机器学习的声纹开锁装置，包括处理器及存储介质；
[0032]所述存储介质用于存储指令；
[0033]所述处理器用于根据所述指令进行操作以执行根据上述任一项所述方法的步骤。
[0034]第六方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
[0035]与现有技术相比，本专利技术所达到的有益效果：本专利技术相较于传统的本地声纹识别训练库，本专利技术将期望最大化算法与通用声纹背景模型部署在服务器云端，通过各终端上传的数据进行训练，并异步下发给各接入网络的主控板，对于每个说话人来说都用了其他
说话人的数据来进行“预训练”，从而解决了传统本地声纹识别训练库因训练数据少而导致的识别率低的问题。
附图说明
[0036]图1为本专利技术方法的流程图；
[0037]图2为本专利技术方法的原理框图；
[0038]图3为语音表征训练框图。
具体实施方式
[0039]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0040]实施例1
[0041]本实施例介绍一种基于云端机器学习的声纹开锁方法，包括：应用于嵌于锁具内部的主控板，包括：
[0042]获取第一录音信息，通过概率密度函数提取得到第一语音表征；
[0043]上传第一语音表征至云端服务器，其中云端服务器用于将第一语音表征使用期望最大化算法得出通用声纹背景模型作为背景库，并把通用声纹背景模型同步给主控板；
[0044]获取第二录音信息，通过概率密度函数提取得到第二语音表征；
[0045]将第二语音表征与从云端服务器下载的通用声纹背景模型进行对比，计算二者的近似程度；
[0046]将所述近似程度数值与预设的阈值进行比较，根据比较结果判断第一录音信息与第二录音信息是否匹配，匹配则打开锁具。
[0047]所述第一录音信息、第二录音信息通过安装于锁具上的麦克风录制获取。
[0048]如图1至图3所示，本实施例提供的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于云端机器学习的声纹开锁方法，其特征在于，应用于嵌于锁具内部的主控板，包括：获取第一录音信息，通过概率密度函数提取得到第一语音表征；上传第一语音表征至云端服务器，其中云端服务器用于将第一语音表征使用期望最大化算法得出通用声纹背景模型作为背景库，并把通用声纹背景模型同步给主控板；获取第二录音信息，通过概率密度函数提取得到第二语音表征；将第二语音表征与从云端服务器下载的通用声纹背景模型进行对比，计算二者的近似程度；将所述近似程度数值与预设的阈值进行比较，根据比较结果判断第一录音信息与第二录音信息是否匹配，匹配则打开锁具。2.根据权利要求1所述的基于云端机器学习的声纹开锁方法，其特征在于：所述第一录音信息、第二录音信息通过安装于锁具上的麦克风录制获取，所述麦克风与主控板相连接。3.根据权利要求1所述的基于云端机器学习的声纹开锁方法，其特征在于：所述第一录音信息的音频内容为预先约定的一段特定文字或声音，存储于主控板中。4.一种基于云端机器学习的声纹开锁方法，其特征在于，应用于锁具中，包括：获取第一录音信息，通过概率密度函数提取得到第一语音表征；通过第一语音表征使用期望最大化算法得出通用声纹背景模型作为背景库；获取第二录音信息，通过概率密度函数提取得到第二语音表征；将第二语音表征与通用声纹背景模型进行对比，计算二者的近似程度；将所述近似程度数值与预设的阈值进行比较，根据比较结果判断第一录音信息与第二录音信息是否匹配，匹配则打开锁具。5.根据权利要求4所述的基于云端机器学习的声纹开锁方法，其特征在于：所述第二语音表征与通用声纹背景模型使用最大后验概率算法进行对比。6.一种基于云端机器学习的声纹开锁装置，其特征在于，包括：第一提取单元，用于获取第一录音信息...
【专利技术属性】
技术研发人员：吴伟，张嵘，陈鑫，孙嘉鹏，
申请(专利权)人：南京金盾公共安全技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。