[发明专利]基于多重特征验证的高安全性门禁识别方法和系统

权利要求书

1.基于多重特征验证的高安全性门禁识别方法，其特征在于，包括以下步骤：

S1：语音数据采集；包括：

S11：利用语音采集设备多次采集许可通过门禁人员的语音数据，形成原始语音数据向量将所述原始语音数据向量与许可通过门禁人员的人员信息进行匹配，构建许可人员数据库；

所述原始语音数据向量满足：

其中，i_o1至i_on为原始语音特征参数，构成原始语音特征参数库；j_o1至j_om为原始语音内容参数，构成原始语音内容参数库；

S12：计算原始语音特征值和原始语音内容值：

基于所述原始语音数据向量构建原始语音特征向量和原始语音内容向量

所述原始语音特征向量和原始语音内容向量满足：

计算所述原始语音特征向量的向量长度作为原始语音特征值计算所述原始语音内容向量的向量长度作为原始语音内容值

S13：将所述原始语音特征值和所述原始语音内容值分别与人员信息匹配，并按递增的排序构建原始语音特征值序列和原始语音内容值序列

S2：入口人员数据采集；当门禁设备感应到入口处有人员进入时，利用门禁处的语音采集设备，对入口人员进行语音采集，得到入口语音数据向量

所述入口语音数据向量满足：

其中，i_e1至i_en为入口语音特征参数；j_e1至j_em为入口语音内容参数；

S3：确定待比对人员；基于所述入口语音数据向量从所述许可人员数据库中确定待比对人员；

S4：核实步骤；将入口人员与所述待比对人员进行一致性比对，如果比对通过，则允许入口人员通过门禁。

2.根据权利要求1所述的基于多重特征验证的高安全性门禁识别方法，其特征在于：所述步骤S3包括：

S31：建立向量；基于所述入口语音数据向量构建入口语音特征向量和入口语音内容向量

所述入口语音特征向量和所述入口语音内容向量满足：

S32：计算向量长；计算所述入口语音特征向量的向量长作为入口语音特征值计算入口语音内容向量的向量长作为入口语音内容值

S33：建立序列并确定初始代比对人员；将所述入口语音内容值带入原始语音内容值序列以所述入口语音内容值为中心值，以预定的正负误差为宽度，确定语音内容值区间，将原始语音内容值落入所述语音内容值区间的人员确定为初始待比对人员。

3.根据权利要求2所述的基于多重特征验证的高安全性门禁识别方法，其特征在于：所述步骤S4包括：

S41：计算入口人员的入口语音内容向量与待比对人员的原始语音内容向量的内容向量差并计算所述内容向量差的向量长作为内容向量差值按递增顺序排列，构建内容向量差值序列

S42：若入口人员与至少一名初始待比对人员的内容向量差值小于预设阈值，则以最小的内容向量差值为起点，以预设阈值为上限，确定最终待比对人员，按从小到大的顺序抓取最终待比对人员的原始语音特征向量与入口人员的入口语音特征向量进行一致性比对，比对通过则允许进入；

S43：若入口人员与任意一名初始待比对人员的内容向量差值均不小于预设阈值，则将所述入口语音特征值带入所述许可人员数据库进行一致性比对，比对通过则允许进入。

4.根据权利要求3所述的基于多重特征验证的高安全性门禁识别方法，其特征在于：所述步骤S43包括：

S431：将所述入口语音特征值带入原始语音特征值序列

S432：以所述入口语音特征值为中心值，以预定的正负误差为宽度，确定语音特征值区间，将原始语音特征值落入所述语音特征值区间的人员作为最终待比对人员；

S433：抓取最终待比对人员的原始语音特征向量与入口语音特征向量进行一致性比对，比对通过则允许进入。

5.根据权利要求1-4任一项所述的基于多重特征验证的高安全性门禁识别方法，其特征在于：所述步骤S11中，所述原始语音特征参数库至少包括音调、语速、声纹谱、响度、重音位置、MFCC系数、LPCC系数中的任意一项。