结合HMM和DTW的两阶段式门禁系统.pdfVIP

1 結合 HMM和 DTW的兩階段式門禁系統 陳江村 張智星 李俊毅吳銘鈞 國立清華大學 資訊工程系 新竹市光復路二段 101號 E-mail : {jtchen,jang,owen,erison}@wayne.cs.nthu.edu.tw TEL: (03)5715131-3582 摘要： 的 結合，一般情況是使用者輸 入姓名語音後 ，系統先 在此報告中， 我們實作 了一個結合隱藏式馬可夫 透過語音辨識分 析出登入者的 姓名，接著再 以語者驗 模 形(Hidden Markov Model, HMM) 、動 態時間 扭曲 証 進行登入者的確認。目 前這 樣的門禁 系統有幾樣缺 (Dynamic Time Warping, DTW)的兩階段式門禁系統。 點 ，我們將在以下說明，並嘗試以一 些新的概念解 決 。 一般來說，門禁 系統可分成語音辨識和語者驗証兩部 所謂的語 音辨識， 主要是用 來辨識出聲音的文字 份 。本文則嘗試 分兩個階段實作門禁系 統。第一階段 內容為何，目前 此領域最有名的模型 為 HMM。藉由 特 使用文字相關的 HMM 方法驗証使用者 宣稱的姓名，第 定語言語料的訓練， 我們可以利用 HTK[6](Hidden 二階段則以 DTW 加上語者的特徵，驗証使用者的語音 Markov Model ToolKit)實作 出某一特定領域的高準確 密碼，此語音可 以是任意的聲 音，不須限定 為文字 。 度的語音辨識系 統，比方說唐詩三百首的語音辨識 在第一階段的登入中，以 HMM的語音辨認測試語音， [11]，其準確率接近九成九 。 加上語音評分機制以確認使用者的登入 姓名 ，可信度 然而 ，特定領域的語音 辨識系統仍有問題 。即使 夠高才允許 進入 ，否則表查無 此人。第二階段的測試 是無意義的測試語音， 以最大相似性(Maximum 語音密碼則轉換成以梅 爾倒頻譜參數 (Mel-Frequency Likelihood)為基礎的 Viterbi Search仍會分析出一 Cepstral Coefficients) 、音高向量(Pitch Vector)音量 最相近的 文字內容，這 樣的問題仍待解決 。 強度(Po wer Magnitude)為三種比對特徵 ，以DTW計算 語 者辨識方面則可分為兩部份，一為語者識別 距 離，加上評分的機制， 對測試語音密碼進 行評估 ， (Speaker Identification)，一為語者驗証(Speaker 高 於於門檻值者 為本人，否則 為仿冒者 。相較於傳 統 Verification) 。語者識別的目標是在數個參考語 音 的語音辨識， 本系統以評分 機制避免掉 了HMM語音辨 中 ，藉由各種模型比對方 法，找出和輸 入聲音最相 近 識時 缺乏可信度評量的缺點 ；相較於傳統的語者驗 的語者。語 者驗証則希望能驗証某測試 樣本是否真是 証 ，本系統的驗証方法無 需傳統語者驗証所 須要的 大 其所號稱的語者。如果判斷是宣告者(Claimer則接) 量訓練語料 和時間，也可 避免掉無謂的當試登入者 。 受；反之則視為仿冒者(Imposter)拒絕。 目前實驗系統有 19個人，經過測試，Inside Test的 另外 ，考慮到測試語句的內 容，語者 辨識可分為 同等失誤率約為 3.8％。 可 分為 文字相關 (Text Dependent)和 非 文字相關 (Text