一种语音谎言检测方法、装置、介质及设备制造方法及图纸

本发明专利技术属于语音信号处理技术领域，提供了一种语音谎言检测方法、装置、介质及设备。其中，语音谎言检测方法，其包括获取待测语音信号并对其进行预处理；分解预处理后的待测语音信号，并从中筛选出有效信息，利用这些有效信息重构语音信号；从重构的语音信号中提取音频特征梅尔倒谱系数，并计算其一阶差分和二阶差分，再将提取的音频特征梅尔倒谱系数及其一阶差分和二阶差分进行堆叠，得到堆叠语音特征；从堆叠语音特征中提取基于时间序列的深度语音特征，将基于时间序列的深度语音特征进行时间递归处理，得到代表谎言与真话的概率，确定出谎言检测结果。出谎言检测结果。出谎言检测结果。

【技术实现步骤摘要】
一种语音谎言检测方法、装置、介质及设备


[0001]本专利技术属于语音信号处理
，尤其涉及一种语音谎言检测方法、装置、介质及设备。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]说谎行为在某些领域（比如在刑侦领域）会对社会带来巨大危害，因此，准确识别谎言侦破案件意义重大。检测谎言的方式有许多，基于生理信号的方式需要与被试接触，基于面部或姿势的方式对图像的角度有一定要求，而基于语音的方式具有极高的隐蔽性，减少了被试者的压力，且音频采集设备的位置没有特殊要求，更具真实性。
[0004]哥伦比亚大学的研究人员在他们构建的语音谎言数据集CSC（Columbia
‑
SRI
‑
ColoradoCorpus）上分析了机器学习方法和人工检测方法的效果，实验表明仅靠人工的谎言检测准确率远低于利用机器自动检测的方法。C.V. Ford等人发现有意欺骗他人的人在欺骗时往往会在声压、音调、语速、发声器官等一系列行为上表现出微小的变化。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语音谎言检测方法，其特征在于，包括：获取待测语音信号并对其进行预处理；分解预处理后的待测语音信号，并从中筛选出有效信息，利用这些有效信息重构语音信号；从重构的语音信号中提取音频特征梅尔倒谱系数，并计算其一阶差分和二阶差分，再将提取的音频特征梅尔倒谱系数及其一阶差分和二阶差分进行堆叠，得到堆叠语音特征；从堆叠语音特征中提取基于时间序列的深度语音特征，将基于时间序列的深度语音特征进行时间递归处理，得到代表谎言与真话的概率，确定出谎言检测结果。2.如权利要求1所述的语音谎言检测方法，其特征在于，对获取的待测语音信号进行预处理的过程包括：以设定采样率重采样语音信号；对采样语音信号进行预加重，以提高采样语音信号的高频部分。3.如权利要求1所述的语音谎言检测方法，其特征在于，采用EMD方法分解预处理后的待测语音信号。4.如权利要求1所述的语音谎言检测方法，其特征在于，筛选出有效信息的过程为：将语音信号分解成若干个子信号；分别计算这些子信号与分解前信号的相关系数；基于筛选阈值来筛选有效子信号，若对应的相关系数大于筛选阈值，则保留相应子信号；否则，舍去相应子信号。5.如权利要求1所述的语音谎言检测方法，其特征在于，从重构的语音信号中提取音频特征梅尔倒谱系数的过程包括：对重构的语音信号进行分帧和加窗处理；对分帧和加窗处理的每帧信号进行傅里叶变化，转化成频域表示形式；将频域表示的信号通过梅尔滤波器组，平滑频谱并消除谐波，凸显原语音的共振峰；计算每个滤波器组输出的对数能量；将对数能量进行离散余弦变换，得到梅尔倒谱系数。6.如权利要求1所述的语音谎言检测方法，其特征在于，基于TCN
‑
LSTM网络从堆叠语音特征中提取基于时间序列的深度语音特征，将基于时间序列的深度语音特征进行时间递归处理，得到代表谎言与真话的概率。7.一种语音谎言检测装置，其特征在于，包括：语音预处理模块，其用于获取待测语音信号并对其进行预处理；语音信号重构模块，其用于分解预处理后的待测语音信号，并从中筛选出有效信息，利用这些有效信息重构语音信...

【专利技术属性】
技术研发人员：曹叶文，蒋友军，王德强，陈海波，耿频永，袁树森，邢红波，
申请(专利权)人：山东大学，
类型：发明
国别省市：