本發(fā)明涉及身份識(shí)別技術(shù)領(lǐng)域，尤其涉及一種建立聲紋模型的方法和裝置。

背景技術(shù)：

隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)在很多銀行業(yè)務(wù)都可以不去銀行柜臺(tái)辦理，比如銀行卡查詢業(yè)務(wù)，凍結(jié)業(yè)務(wù)，開(kāi)戶業(yè)務(wù)等，用戶可直接通過(guò)電話或者在互聯(lián)網(wǎng)上辦理各項(xiàng)業(yè)務(wù)。但是，現(xiàn)有的通過(guò)電話或者在互聯(lián)網(wǎng)上辦理各項(xiàng)業(yè)務(wù)，都需要輸入銀行卡賬號(hào)和密碼，如果銀行卡賬號(hào)輸入錯(cuò)誤或者密碼輸入錯(cuò)誤，則需要重新輸入。而且，當(dāng)用戶輸入3次密碼都錯(cuò)誤時(shí)，銀行卡將會(huì)被鎖定，用戶則不可以再辦理相應(yīng)的業(yè)務(wù)，直至用戶去銀行柜臺(tái)解鎖銀行卡。因此，現(xiàn)有的解決方案只能通過(guò)人臉識(shí)別來(lái)確認(rèn)用戶的身份。

上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的主要目的在于提供一種建立聲紋模型的方法和裝置，旨在解決如何在人臉識(shí)別的基礎(chǔ)上提高識(shí)別用戶準(zhǔn)確率的技術(shù)問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種建立聲紋模型的方法，所述建立聲紋模型的方法包括：

當(dāng)獲取到人臉視頻，且成功識(shí)別所述人臉視頻的人臉圖像時(shí)，提取所述人臉視頻中的音頻文件，記為第一音頻文件；

輸出提示信息，以提示審核人員審核所述人臉視頻；

當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，根據(jù)所述第一音頻文件建立聲紋模型。

優(yōu)選地，所述當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，根據(jù)所述第一音頻文件建立聲紋模型的步驟包括：

當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，判斷是否已存在聲紋模型；

若未存在聲紋模型，則根據(jù)所述第一音頻文件建立聲紋模型；

若已存在聲紋模型，則刪除已存在的聲紋模型，提取所存儲(chǔ)的第二音頻文件，其中，所述第二音頻文件為注冊(cè)成功的音頻文件；

根據(jù)所述第一音頻文件和所述第二音頻文件建立聲紋模型。

優(yōu)選地，所述提取所存儲(chǔ)的第二音頻文件的步驟包括：

判斷是否存儲(chǔ)有預(yù)設(shè)數(shù)目的所述第二音頻文件；

若存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件，則所述根據(jù)所述第一音頻文件和所述第二音頻文件建立聲紋模型的步驟包括：

根據(jù)最近所存儲(chǔ)預(yù)設(shè)數(shù)目的所述第二音頻文件和所述第一音頻文件建立聲紋模型。

優(yōu)選地，所述判斷是否存儲(chǔ)有預(yù)設(shè)數(shù)目的所述第二音頻文件的步驟之后，還包括：

若未存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件，則獲取所存儲(chǔ)的所有所述第二音頻文件；

所述根據(jù)所述第一音頻文件和所述第二音頻文件建立聲紋模型的步驟包括：

根據(jù)所獲取的所有所述第二音頻文件和所述第一音頻文件建立聲紋模型。

優(yōu)選地，所述當(dāng)獲取到人臉視頻，且成功識(shí)別所述人臉視頻的人臉圖像時(shí)，提取所述人臉視頻中的音頻文件，記為第一音頻文件的步驟之后，還包括：

判斷是否已存在聲紋模型；

若未存在聲紋模型，則執(zhí)行輸出提示信息，以提示審核人員審核所述人臉視頻的步驟；

若已存在聲紋模型，則提取與所述聲紋模型對(duì)應(yīng)的音頻文件，記為第三音頻文件；

將所述第一音頻文件與所述第三音頻文件進(jìn)行對(duì)比，得到所述第一音頻文件與所述第三音頻文件之間的相似度；

將所述第一音頻文件與所述第三音頻文件之間的相似度發(fā)送給異步審核系統(tǒng)，并執(zhí)行輸出提示信息，以提示審核人員審核所述人臉視頻的步驟。

此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種建立聲紋模型的裝置，所述建立聲紋模型的裝置包括：

提取模塊，用于當(dāng)獲取到人臉視頻，且成功識(shí)別所述人臉視頻的人臉圖像時(shí)，提取所述人臉視頻中的音頻文件，記為第一音頻文件；

輸出模塊，用于輸出提示信息，以提示審核人員審核所述人臉視頻；

建立模塊，用于當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，根據(jù)所述第一音頻文件建立聲紋模型。

優(yōu)選地，所述建立模塊包括：

判斷單元，用于當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，判斷是否已存在聲紋模型；

建立單元，用于若未存在聲紋模型，則根據(jù)所述第一音頻文件建立聲紋模型；

提取單元，用于若已存在聲紋模型，則刪除已存在的聲紋模型，提取所存儲(chǔ)的第二音頻文件，其中，所述第二音頻文件為注冊(cè)成功的音頻文件；

所述建立單元還用于根據(jù)所述第一音頻文件和所述第二音頻文件建立聲紋模型。

優(yōu)選地，所述判斷單元還用于判斷是否存儲(chǔ)有預(yù)設(shè)數(shù)目的所述第二音頻文件；

所述建立單元還用于若存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件，則根據(jù)最近所存儲(chǔ)預(yù)設(shè)數(shù)目的所述第二音頻文件和所述第一音頻文件建立聲紋模型。

優(yōu)選地，所述建立模塊還包括：

獲取單元，用于若未存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件，則獲取所存儲(chǔ)的所有所述第二音頻文件；

所述建立單元還用于根據(jù)所獲取的所有所述第二音頻文件和所述第一音頻文件建立聲紋模型。

優(yōu)選地，所述建立聲紋模型的裝置還包括：

判斷模塊，用于判斷是否已存在聲紋模型；

所述輸出模塊還用于若未存在聲紋模型，則輸出提示信息，以提示審核人員審核所述人臉視頻；

所述提取模塊還用于若已存在聲紋模型，則提取與所述聲紋模型對(duì)應(yīng)的音頻文件，記為第三音頻文件；

所述建立聲紋模型的裝置還包括：

對(duì)比模塊，用于將所述第一音頻文件與所述第三音頻文件進(jìn)行對(duì)比，得到所述第一音頻文件與所述第三音頻文件之間的相似度；

發(fā)送模塊，用于將所述第一音頻文件與所述第三音頻文件之間的相似度發(fā)送給異步審核系統(tǒng)。

本發(fā)明通過(guò)當(dāng)獲取到人臉視頻，且成功識(shí)別所述人臉視頻的人臉圖像時(shí)，提取所述人臉視頻中的音頻文件，記為第一音頻文件；輸出提示信息，以提示審核人員審核所述人臉視頻；當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，根據(jù)所述第一音頻文件建立聲紋模型。實(shí)現(xiàn)了在人臉識(shí)別的基礎(chǔ)上，進(jìn)一步獲取用戶的音頻文件，根據(jù)所獲取的音頻文件建立聲紋模型，當(dāng)下次接收到用戶的人臉視頻時(shí)，只有當(dāng)人臉視頻中的人臉圖像識(shí)別成功，且人臉視頻中的音頻文件與所建立的聲紋模型吻合時(shí)，確認(rèn)用戶為真實(shí)的用戶，以提高用戶識(shí)別的準(zhǔn)確性。

附圖說(shuō)明

圖1為本發(fā)明建立聲紋模型的方法的第一實(shí)施例的流程示意圖；

圖2為本發(fā)明建立聲紋模型的方法的第二實(shí)施例的流程示意圖；

圖3為本發(fā)明建立聲紋模型的裝置的第一實(shí)施例的功能模塊示意圖；

圖4為本發(fā)明建立聲紋模型的裝置的第二實(shí)施例的功能模塊示意圖。

本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說(shuō)明。

具體實(shí)施方式

應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

參照?qǐng)D1，圖1為本發(fā)明建立聲紋模型的方法的第一實(shí)施例的流程示意圖。

在本實(shí)施例中，所述建立聲紋模型的方法包括：

步驟S10，當(dāng)獲取到人臉視頻，且成功識(shí)別所述人臉視頻的人臉圖像時(shí)，提取所述人臉視頻中的音頻文件，記為第一音頻文件；

當(dāng)用戶需要通過(guò)電話或者互聯(lián)網(wǎng)辦理銀行業(yè)務(wù)時(shí)，銀行所在的服務(wù)器提示用戶所持的移動(dòng)終端調(diào)用攝像頭獲取用戶的人臉視頻，其中，所述人臉視頻中包括用戶的人臉圖像和音頻文件。需要說(shuō)明的是，所述服務(wù)器獲取所述人臉視頻的方法可為：在提取用戶人臉圖像過(guò)程中，使所述移動(dòng)終端的屏幕中顯示相應(yīng)的數(shù)字或者文字，讓用戶在一定的時(shí)間內(nèi)讀出所顯示的數(shù)字或者文字；或者在提取用戶人臉圖像過(guò)程中，使所述移動(dòng)終端的屏幕中輸出提示信息，提示用戶在一定的時(shí)間內(nèi)讀出預(yù)定數(shù)目的話語(yǔ)。所述移動(dòng)終端包括但不限于智能手機(jī)和平板電腦。

當(dāng)獲取到所述人臉視頻時(shí)，所述服務(wù)器提取所述人臉視頻中的人臉圖像，將所提取的人臉圖像與預(yù)先存儲(chǔ)該用戶的人臉圖像進(jìn)行對(duì)比，其中，將預(yù)先存儲(chǔ)的用戶的人臉圖像記為預(yù)存人臉圖像。當(dāng)所述人臉圖像與預(yù)存人臉圖像之間的相似度大于或者等于預(yù)設(shè)相似度時(shí)，所述服務(wù)器確認(rèn)所述人臉圖像識(shí)別成功；當(dāng)所述人臉圖像與預(yù)存人臉圖像之間的相似度小于所述預(yù)設(shè)相似度時(shí)，所述服務(wù)器確認(rèn)所述人臉圖像識(shí)別失敗。所述預(yù)設(shè)相似度可根據(jù)具體需要而設(shè)置，如可設(shè)置為60％，70％，或者80％等。

當(dāng)成功識(shí)別所述人臉圖像時(shí)，所述服務(wù)器提取所述人臉視頻中的音頻文件，并將從所述人臉視頻中所提取的音頻文件記為第一音頻文件。

步驟S20，輸出提示信息，以提示審核人員審核所述人臉視頻；

當(dāng)?shù)玫剿龅谝灰纛l文件時(shí)，所述服務(wù)器輸出提示信息至異步審核系統(tǒng)，以提示異步審核工作人員審核所述人臉視頻的真實(shí)性。需要說(shuō)明的是，當(dāng)所述審核工作人員在審核所述人臉視頻的真實(shí)性的過(guò)程中，所述審核工作人員可將所述人臉視頻中的人臉圖像與預(yù)先存儲(chǔ)的人臉圖像進(jìn)行對(duì)比。其中，預(yù)先存儲(chǔ)的所述人臉圖像可為一幅，也可為多幅。當(dāng)所述審核工作人員確認(rèn)所述人臉視頻中的人臉圖像是真實(shí)的，是用戶本人時(shí)，所述審核工作人員通過(guò)所述異步審核系統(tǒng)返回審核通過(guò)的通知消息給所述服務(wù)器；當(dāng)所述審核工作人員確認(rèn)所述人臉視頻中的人臉圖像不是用戶本人時(shí)，所述審核工作人員通過(guò)所述異步審核系統(tǒng)返回審核失敗的通知消息給所述服務(wù)器。

當(dāng)所述服務(wù)器接收到所述異步審核系統(tǒng)所發(fā)送的通知消息，根據(jù)所述通知消息確定所述人臉視頻審核失敗時(shí)，所述服務(wù)器結(jié)束聲紋模型的建立流程。

在本實(shí)施例中，所述服務(wù)器先在所述人臉視頻中提取音頻文件，然后才輸出提示信息。在其它實(shí)施例中，所述服務(wù)器也可以先輸出提示信息，當(dāng)所述人臉視頻審核通過(guò)后，所述服務(wù)器再?gòu)乃鋈四樢曨l中提取人臉圖像。

步驟S30，當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，根據(jù)所述第一音頻文件建立聲紋模型。

當(dāng)所述服務(wù)器接收到所述異步審核系統(tǒng)所發(fā)送的人臉視頻審核通過(guò)的通知消息時(shí)，所述服務(wù)器根據(jù)從所述人臉視頻中提取的第一音頻文件建立聲紋模型。

進(jìn)一步地，所述步驟S30包括：

步驟a，當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，判斷是否已存在聲紋模型；

步驟b，若未存在聲紋模型，則根據(jù)所述第一音頻文件建立聲紋模型；

步驟c，若已存在聲紋模型，則刪除已存在的聲紋模型，提取所存儲(chǔ)的第二音頻文件，其中，所述第二音頻文件為注冊(cè)成功的音頻文件；

步驟d，根據(jù)所述第一音頻文件和所述第二音頻文件建立聲紋模型。

進(jìn)一步地，當(dāng)所述服務(wù)器接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，所述服務(wù)器判斷數(shù)據(jù)庫(kù)中是否已存在聲紋模型。當(dāng)所述數(shù)據(jù)庫(kù)中未存在聲紋模型時(shí)，所述服務(wù)器根據(jù)所述第一音頻文件建立聲紋模型。當(dāng)所述數(shù)據(jù)庫(kù)中已存在聲紋模型時(shí)，所述服務(wù)器刪除所述數(shù)據(jù)庫(kù)中的聲紋模型。當(dāng)所述服務(wù)器刪除所述數(shù)據(jù)庫(kù)中的聲紋模型后，所述服務(wù)器在所述數(shù)據(jù)庫(kù)中提取所存儲(chǔ)的第二音頻文件，其中，所述第二音頻文件為所述數(shù)據(jù)庫(kù)中注冊(cè)成功的音頻文件。需要說(shuō)明的是，注冊(cè)成功的音頻文件是已建立過(guò)聲紋模型的音頻文件，即注冊(cè)成功的音頻文件是所刪除的歷史聲紋模型所對(duì)應(yīng)的音頻文件。當(dāng)所述服務(wù)器得到所述第二音頻文件時(shí)，所述服務(wù)器將所述第一音頻文件和所述第二音頻文件進(jìn)行疊加，得到聲紋模型。通過(guò)所述第一音頻文件和所述第二音頻進(jìn)行疊加得到聲紋模型，優(yōu)化所述服務(wù)器中的聲紋模型，使所建立的聲紋模型更符合用戶的聲音特征。

進(jìn)一步地，所述提取所存儲(chǔ)的第二音頻文件的步驟包括：

步驟e，判斷是否存儲(chǔ)有預(yù)設(shè)數(shù)目的所述第二音頻文件；

若存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件，則所述步驟d包括：

步驟f，根據(jù)最近所存儲(chǔ)預(yù)設(shè)數(shù)目的所述第二音頻文件和所述第一音頻文件建立聲紋模型。

進(jìn)一步地，所述服務(wù)器在提取所存儲(chǔ)的第二音頻文件的過(guò)程中，所述服務(wù)器判斷所述數(shù)據(jù)庫(kù)中是否存儲(chǔ)有預(yù)設(shè)數(shù)目的所述第二音頻文件。所述預(yù)設(shè)數(shù)目可根據(jù)具體需要而設(shè)置，如可設(shè)置為3，5或者6等。當(dāng)所述數(shù)據(jù)庫(kù)中存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件時(shí)，所述服務(wù)器將最近所存儲(chǔ)的預(yù)設(shè)數(shù)目的所述第二音頻文件和所述第一音頻文件進(jìn)行疊加，建立聲紋模型。如當(dāng)所述預(yù)設(shè)數(shù)目設(shè)置為5時(shí)，且數(shù)據(jù)中存儲(chǔ)有至少5個(gè)所述第二音頻文件時(shí)，所述服務(wù)器將從當(dāng)前時(shí)間起算，提取最近5次所存儲(chǔ)的所述第二音頻文件和所述第一音頻文件進(jìn)行疊加，建立所述聲紋模型。

進(jìn)一步地，所述建立聲紋模型的方法還包括

步驟g，若未存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件，則獲取所存儲(chǔ)的所有所述第二音頻文件；

所述步驟d包括：

步驟h，根據(jù)所獲取的所有所述第二音頻文件和所述第一音頻文件建立聲紋模型。

當(dāng)所述數(shù)據(jù)庫(kù)中未存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件時(shí)，所述服務(wù)器獲取所述數(shù)據(jù)庫(kù)中存儲(chǔ)的所有的第二音頻文件，將所獲取的所有的所述第二音頻文件和所述第一音頻文件進(jìn)行疊加，建立聲紋模型。如當(dāng)所述數(shù)據(jù)庫(kù)中只存儲(chǔ)有三個(gè)所述第二音頻文件時(shí)，所述服務(wù)器則將三個(gè)第二音頻文件和所述第一音頻文件進(jìn)行疊加，建議聲紋模型。

本實(shí)施例通過(guò)當(dāng)獲取到人臉視頻，且成功識(shí)別所述人臉視頻的人臉圖像時(shí)，提取所述人臉視頻中的音頻文件，記為第一音頻文件；輸出提示信息，以提示審核人員審核所述人臉視頻；當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，根據(jù)所述第一音頻文件建立聲紋模型。實(shí)現(xiàn)了在人臉識(shí)別的基礎(chǔ)上，進(jìn)一步獲取用戶的音頻文件，根據(jù)所獲取的音頻文件建立聲紋模型，當(dāng)下次接收到用戶的人臉視頻時(shí)，只有當(dāng)人臉視頻中的人臉圖像識(shí)別成功，且人臉視頻中的音頻文件與所建立的聲紋模型吻合時(shí)，確認(rèn)用戶為真實(shí)的用戶，以提高用戶識(shí)別的準(zhǔn)確性。

進(jìn)一步地，參照?qǐng)D2，圖2為本發(fā)明建立聲紋模型的方法的第二實(shí)施例的流程示意圖，基于第一實(shí)施例提出本發(fā)明建立聲紋模型的方法的第二實(shí)施例。

在本實(shí)施例中，所述建立聲紋模型的方法還包括：

步驟S40，判斷是否已存在聲紋模型；

若未存在聲紋模型，則執(zhí)行步驟S20；

步驟S50，若已存在聲紋模型，則提取與所述聲紋模型對(duì)應(yīng)的音頻文件，記為第三音頻文件；

步驟S60，將所述第一音頻文件與所述第三音頻文件進(jìn)行對(duì)比，得到所述第一音頻文件與所述第三音頻文件之間的相似度；

步驟S70，將所述第一音頻文件與所述第三音頻文件之間的相似度發(fā)送給異步審核系統(tǒng)。

在本實(shí)施例中，當(dāng)執(zhí)行完步驟S70，執(zhí)行步驟S20。

當(dāng)所述服務(wù)器從所述人臉視頻中提取到所述人臉圖像時(shí)，所述服務(wù)器判斷所述數(shù)據(jù)庫(kù)中是否已存在聲紋模型。當(dāng)所述數(shù)據(jù)庫(kù)中未存在聲紋模型時(shí)，所述服務(wù)器輸出提示信息至異步審核系統(tǒng)，以供所述異步審核系統(tǒng)提示審核人員審核所述人臉視頻。可以理解的是，當(dāng)所述數(shù)據(jù)庫(kù)中未存在聲紋模型時(shí)，表示所述服務(wù)器第一次獲取到用戶的人臉視頻。需要說(shuō)明的是，所述服務(wù)器和所述異步審核系統(tǒng)可同處于一臺(tái)計(jì)算機(jī)中，也可以處于兩臺(tái)計(jì)算機(jī)中。

當(dāng)所述數(shù)據(jù)庫(kù)中已存在聲紋模型時(shí)，所述服務(wù)器提取與所述聲紋模型對(duì)應(yīng)的音頻文件，即提取建立所述聲紋模型的音頻文件，記為第三音頻文件。當(dāng)?shù)玫剿龅谌纛l文件時(shí)，所述服務(wù)器將所述第一音頻文件與所述第三音頻文件進(jìn)行對(duì)比，得到所述第一音頻文件與所述第三音頻文件之間的相似度。將所述第一音頻文件與所述第三音頻文件之間的相似度發(fā)送給異步審核系統(tǒng)，所述服務(wù)器輸出提示信息至所述異步審核系統(tǒng)，以供所述異步審核系統(tǒng)提示審核人員審核所述人臉視頻；當(dāng)所述異步審核結(jié)果通過(guò)時(shí)，所述服務(wù)器則建立聲紋模型，當(dāng)所述異步審核結(jié)果不通過(guò)時(shí)，所述服務(wù)器則結(jié)束建立聲紋模型的流程。所述預(yù)設(shè)閾值可根據(jù)具體需要而設(shè)置，如可設(shè)置為60％，70％，或者85％等。

本實(shí)施例通過(guò)在提取到所述人臉視頻中的第一音頻文件，且服務(wù)器的數(shù)據(jù)庫(kù)中已存在聲紋模型時(shí)，提取與所述聲紋模型對(duì)應(yīng)的第三音頻文件，將所述第三音頻文件與所述第一音頻文件進(jìn)行對(duì)比，根據(jù)對(duì)比結(jié)果進(jìn)行后續(xù)操作。提高了所建立的聲紋模型的準(zhǔn)確率，使所建立的聲紋模型更符合用戶真實(shí)的聲音特征。

本發(fā)明進(jìn)一步提供一種建立聲紋模型的裝置。

參照?qǐng)D3，圖3為本發(fā)明建立聲紋模型的裝置的第一實(shí)施例的功能模塊示意圖。

在本實(shí)施例中，所述建立聲紋模型的裝置包括：

提取模塊10，用于當(dāng)獲取到人臉視頻，且成功識(shí)別所述人臉視頻的人臉圖像時(shí)，提取所述人臉視頻中的音頻文件，記為第一音頻文件；

當(dāng)用戶需要通過(guò)電話或者互聯(lián)網(wǎng)辦理銀行業(yè)務(wù)時(shí)，銀行所在的服務(wù)器提示用戶所持的移動(dòng)終端調(diào)用攝像頭獲取用戶的人臉視頻，其中，所述人臉視頻中包括用戶的人臉圖像和音頻文件。需要說(shuō)明的是，所述服務(wù)器獲取所述人臉視頻的方法可為：在提取用戶人臉圖像過(guò)程中，使所述移動(dòng)終端的屏幕中顯示相應(yīng)的數(shù)字或者文字，讓用戶在一定的時(shí)間內(nèi)讀出所顯示的數(shù)字或者文字；或者在提取用戶人臉圖像過(guò)程中，使所述移動(dòng)終端的屏幕中輸出提示信息，提示用戶在一定的時(shí)間內(nèi)讀出預(yù)定數(shù)目的話語(yǔ)。所述移動(dòng)終端包括但不限于智能手機(jī)和平板電腦。

當(dāng)獲取到所述人臉視頻時(shí)，所述服務(wù)器提取所述人臉視頻中的人臉圖像，將所提取的人臉圖像與預(yù)先存儲(chǔ)該用戶的人臉圖像進(jìn)行對(duì)比，其中，將預(yù)先存儲(chǔ)的用戶的人臉圖像記為預(yù)存人臉圖像。當(dāng)所述人臉圖像與預(yù)存人臉圖像之間的相似度大于或者等于預(yù)設(shè)相似度時(shí)，所述服務(wù)器確認(rèn)所述人臉圖像識(shí)別成功；當(dāng)所述人臉圖像與預(yù)存人臉圖像之間的相似度小于所述預(yù)設(shè)相似度時(shí)，所述服務(wù)器確認(rèn)所述人臉圖像識(shí)別失敗。所述預(yù)設(shè)相似度可根據(jù)具體需要而設(shè)置，如可設(shè)置為60％，70％，或者80％等。

當(dāng)成功識(shí)別所述人臉圖像時(shí)，所述服務(wù)器提取所述人臉視頻中的音頻文件，并將從所述人臉視頻中所提取的音頻文件記為第一音頻文件。

輸出模塊20，用于輸出提示信息，以提示審核人員審核所述人臉視頻；

當(dāng)?shù)玫剿龅谝灰纛l文件時(shí)，所述服務(wù)器輸出提示信息至異步審核系統(tǒng)，以提示異步審核工作人員審核所述人臉視頻的真實(shí)性。需要說(shuō)明的是，當(dāng)所述審核工作人員在審核所述人臉視頻的真實(shí)性的過(guò)程中，所述審核工作人員可將所述人臉視頻中的人臉圖像與預(yù)先存儲(chǔ)的人臉圖像進(jìn)行對(duì)比。其中，預(yù)先存儲(chǔ)的所述人臉圖像可為一幅，也可為多幅。當(dāng)所述審核工作人員確認(rèn)所述人臉視頻中的人臉圖像是真實(shí)的，是用戶本人時(shí)，所述審核工作人員通過(guò)所述異步審核系統(tǒng)返回審核通過(guò)的通知消息給所述服務(wù)器；當(dāng)所述審核工作人員確認(rèn)所述人臉視頻中的人臉圖像不是用戶本人時(shí)，所述審核工作人員通過(guò)所述異步審核系統(tǒng)返回審核失敗的通知消息給所述服務(wù)器。

當(dāng)所述服務(wù)器接收到所述異步審核系統(tǒng)所發(fā)送的通知消息，根據(jù)所述通知消息確定所述人臉視頻審核失敗時(shí)，所述服務(wù)器結(jié)束聲紋模型的建立流程。

在本實(shí)施例中，所述服務(wù)器先在所述人臉視頻中提取音頻文件，然后才輸出提示信息。在其它實(shí)施例中，所述服務(wù)器也可以先輸出提示信息，當(dāng)所述人臉視頻審核通過(guò)后，所述服務(wù)器再?gòu)乃鋈四樢曨l中提取人臉圖像。

建立模塊30，用于當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，根據(jù)所述第一音頻文件建立聲紋模型。

當(dāng)所述服務(wù)器接收到所述異步審核系統(tǒng)所發(fā)送的人臉視頻審核通過(guò)的通知消息時(shí)，所述服務(wù)器根據(jù)從所述人臉視頻中提取的第一音頻文件建立聲紋模型。

進(jìn)一步地，所述建立模塊30包括：

判斷單元，用于當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，判斷是否已存在聲紋模型；

建立單元，用于若未存在聲紋模型，則根據(jù)所述第一音頻文件建立聲紋模型；

提取單元，用于若已存在聲紋模型，則刪除已存在的聲紋模型，提取所存儲(chǔ)的第二音頻文件，其中，所述第二音頻文件為注冊(cè)成功的音頻文件；

所述建立單元還用于根據(jù)所述第一音頻文件和所述第二音頻文件建立聲紋模型。

進(jìn)一步地，當(dāng)所述服務(wù)器接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，所述服務(wù)器判斷數(shù)據(jù)庫(kù)中是否已存在聲紋模型。當(dāng)所述數(shù)據(jù)庫(kù)中未存在聲紋模型時(shí)，所述服務(wù)器根據(jù)所述第一音頻文件建立聲紋模型。當(dāng)所述數(shù)據(jù)庫(kù)中已存在聲紋模型時(shí)，所述服務(wù)器刪除所述數(shù)據(jù)庫(kù)中的聲紋模型。當(dāng)所述服務(wù)器刪除所述數(shù)據(jù)庫(kù)中的聲紋模型后，所述服務(wù)器在所述數(shù)據(jù)庫(kù)中提取所存儲(chǔ)的第二音頻文件，其中，所述第二音頻文件為所述數(shù)據(jù)庫(kù)中注冊(cè)成功的音頻文件。需要說(shuō)明的是，注冊(cè)成功的音頻文件是已建立過(guò)聲紋模型的音頻文件，即注冊(cè)成功的音頻文件是所刪除的歷史聲紋模型所對(duì)應(yīng)的音頻文件。當(dāng)所述服務(wù)器得到所述第二音頻文件時(shí)，所述服務(wù)器將所述第一音頻文件和所述第二音頻文件進(jìn)行疊加，得到聲紋模型。通過(guò)所述第一音頻文件和所述第二音頻進(jìn)行疊加得到聲紋模型，優(yōu)化所述服務(wù)器中的聲紋模型，使所建立的聲紋模型更符合用戶的聲音特征。

進(jìn)一步地，所述判斷單元還用于判斷是否存儲(chǔ)有預(yù)設(shè)數(shù)目的所述第二音頻文件；

所述建立單元還用于若存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件，則根據(jù)最近所存儲(chǔ)預(yù)設(shè)數(shù)目的所述第二音頻文件和所述第一音頻文件建立聲紋模型。

進(jìn)一步地，所述服務(wù)器在提取所存儲(chǔ)的第二音頻文件的過(guò)程中，所述服務(wù)器判斷所述數(shù)據(jù)庫(kù)中是否存儲(chǔ)有預(yù)設(shè)數(shù)目的所述第二音頻文件。所述預(yù)設(shè)數(shù)目可根據(jù)具體需要而設(shè)置，如可設(shè)置為3，5或者6等。當(dāng)所述數(shù)據(jù)庫(kù)中存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件時(shí)，所述服務(wù)器將最近所存儲(chǔ)的預(yù)設(shè)數(shù)目的所述第二音頻文件和所述第一音頻文件進(jìn)行疊加，建立聲紋模型。如當(dāng)所述預(yù)設(shè)數(shù)目設(shè)置為5時(shí)，且數(shù)據(jù)中存儲(chǔ)有至少5個(gè)所述第二音頻文件時(shí)，所述服務(wù)器將從當(dāng)前時(shí)間起算，提取最近5次所存儲(chǔ)的所述第二音頻文件和所述第一音頻文件進(jìn)行疊加，建立所述聲紋模型。

進(jìn)一步地，所述建立模塊30還包括：

獲取單元，用于若未存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件，則獲取所存儲(chǔ)的所有所述第二音頻文件；

所述建立單元還用于根據(jù)所獲取的所有所述第二音頻文件和所述第一音頻文件建立聲紋模型。

當(dāng)所述數(shù)據(jù)庫(kù)中未存儲(chǔ)有所述預(yù)設(shè)數(shù)目的所述第二音頻文件時(shí)，所述服務(wù)器獲取所述數(shù)據(jù)庫(kù)中存儲(chǔ)的所有的第二音頻文件，將所獲取的所有的所述第二音頻文件和所述第一音頻文件進(jìn)行疊加，建立聲紋模型。如當(dāng)所述數(shù)據(jù)庫(kù)中只存儲(chǔ)有三個(gè)所述第二音頻文件時(shí)，所述服務(wù)器則將三個(gè)第二音頻文件和所述第一音頻文件進(jìn)行疊加，建議聲紋模型。

本實(shí)施例通過(guò)當(dāng)獲取到人臉視頻，且成功識(shí)別所述人臉視頻的人臉圖像時(shí)，提取所述人臉視頻中的音頻文件，記為第一音頻文件；輸出提示信息，以提示審核人員審核所述人臉視頻；當(dāng)接收到所述人臉視頻審核通過(guò)的通知消息時(shí)，根據(jù)所述第一音頻文件建立聲紋模型。實(shí)現(xiàn)了在人臉識(shí)別的基礎(chǔ)上，進(jìn)一步獲取用戶的音頻文件，根據(jù)所獲取的音頻文件建立聲紋模型，當(dāng)下次接收到用戶的人臉視頻時(shí)，只有當(dāng)人臉視頻中的人臉圖像識(shí)別成功，且人臉視頻中的音頻文件與所建立的聲紋模型吻合時(shí)，確認(rèn)用戶為真實(shí)的用戶，以提高用戶識(shí)別的準(zhǔn)確性。

參照?qǐng)D4，圖4為本發(fā)明建立聲紋模型的裝置的第二實(shí)施例的功能模塊示意圖，基于第一實(shí)施例提出本發(fā)明建立聲紋模型的裝置的第二實(shí)施例。

在本實(shí)施例中，所述建立聲紋模型的裝置還包括：

判斷模塊40，用于判斷是否已存在聲紋模型；

所述輸出模塊20還用于若未存在聲紋模型，則輸出提示信息，以提示審核人員審核所述人臉視頻；

所述提取模塊10還用于若已存在聲紋模型，則提取與所述聲紋模型對(duì)應(yīng)的音頻文件，記為第三音頻文件；

所述建立聲紋模型的裝置還包括：

對(duì)比模塊50，用于將所述第一音頻文件與所述第三音頻文件進(jìn)行對(duì)比，得到所述第一音頻文件與所述第三音頻文件之間的相似度；

發(fā)送模塊60，用于將所述第一音頻文件與所述第三音頻文件之間的相似度發(fā)送給異步審核系統(tǒng)。

當(dāng)所述服務(wù)器從所述人臉視頻中提取到所述人臉圖像時(shí)，所述服務(wù)器判斷所述數(shù)據(jù)庫(kù)中是否已存在聲紋模型。當(dāng)所述數(shù)據(jù)庫(kù)中未存在聲紋模型時(shí)，所述服務(wù)器輸出提示信息至異步審核系統(tǒng)，以供所述異步審核系統(tǒng)提示審核人員審核所述人臉視頻?？梢岳斫獾氖?，當(dāng)所述數(shù)據(jù)庫(kù)中未存在聲紋模型時(shí)，表示所述服務(wù)器第一次獲取到用戶的人臉視頻。需要說(shuō)明的是，所述服務(wù)器和所述異步審核系統(tǒng)可同處于一臺(tái)計(jì)算機(jī)中，也可以處于兩臺(tái)計(jì)算機(jī)中。

當(dāng)所述數(shù)據(jù)庫(kù)中已存在聲紋模型時(shí)，所述服務(wù)器提取與所述聲紋模型對(duì)應(yīng)的音頻文件，即提取建立所述聲紋模型的音頻文件，記為第三音頻文件。當(dāng)?shù)玫剿龅谌纛l文件時(shí)，所述服務(wù)器將所述第一音頻文件與所述第三音頻文件進(jìn)行對(duì)比，得到所述第一音頻文件與所述第三音頻文件之間的相似度。將所述第一音頻文件與所述第三音頻文件之間的相似度發(fā)送給異步審核系統(tǒng)，所述服務(wù)器輸出提示信息至所述異步審核系統(tǒng)，以供所述異步審核系統(tǒng)提示審核人員審核所述人臉視頻；當(dāng)所述異步審核結(jié)果通過(guò)時(shí)，所述服務(wù)器則建立聲紋模型，當(dāng)所述異步審核結(jié)果不通過(guò)時(shí)，所述服務(wù)器則結(jié)束建立聲紋模型的流程。所述預(yù)設(shè)閾值可根據(jù)具體需要而設(shè)置，如可設(shè)置為60％，70％，或者85％等。

本實(shí)施例通過(guò)在提取到所述人臉視頻中的第一音頻文件，且服務(wù)器的數(shù)據(jù)庫(kù)中已存在聲紋模型時(shí)，提取與所述聲紋模型對(duì)應(yīng)的第三音頻文件，將所述第三音頻文件與所述第一音頻文件進(jìn)行對(duì)比，根據(jù)對(duì)比結(jié)果進(jìn)行后續(xù)操作。提高了所建立的聲紋模型的準(zhǔn)確率，使所建立的聲紋模型更符合用戶真實(shí)的聲音特征。

上述本發(fā)明實(shí)施例序號(hào)僅僅為了描述，不代表實(shí)施例的優(yōu)劣。通過(guò)以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實(shí)施例方法可借助軟件加必需的通用硬件平臺(tái)的方式來(lái)實(shí)現(xiàn)，當(dāng)然也可以通過(guò)硬件，但很多情況下前者是更佳的實(shí)施方式。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)(如ROM/RAM、磁碟、光盤(pán))中，包括若干指令用以使得一臺(tái)終端設(shè)備(可以是手機(jī)，計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述的方法。

以上僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說(shuō)明書(shū)及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。