JPH09218697A

JPH09218697A - 話者検証システム

Info

Publication number: JPH09218697A
Application number: JP8359704A
Authority: JP
Inventors: Malcolm I Hannah; アイハナーマルコーム; Andrew T Sapeluk; ティーサペラクアンドリュー; Robert I Damper; アイダンパーロバート; Ian M Roger; エムロジャーイアン
Original assignee: NCR International Inc
Current assignee: NCR International Inc
Priority date: 1995-12-22
Filing date: 1996-12-20
Publication date: 1997-08-19
Also published as: ZA9610824B; EP0780830A3; EP0780830A2; GB9526334D0

Abstract

(57)【要約】【課題】話者を効率的に検証することができる話者検証
システムを提供する。【解決手段】話者検証システムにおいて、参照データを
生成する方法は、発声を表す平均ケプストラル係数のマ
トリックスを提供するための、システムに登録する話者
の複数の見本としての発声の分析を含む。このマトリッ
クスは、比較の際に使用される加重ベクトルの係数を決
定するため、遺伝学的アルゴリズムを使用して、話者本
人および他の話者の比較用の発声から得たケプストラル
係数のマトリックスと比較される。平均ケプストラル係
数のマトリックス、および加重ベクトルから得た遺伝学
的アルゴリズムの係数を含む参照データは、セルフ・サ
ービス・ターミナルからサービスを受けたい場合に、話
者が以後使用することができるようにユーザ・カード上
に記録される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、話者検証システム
に関する。

【０００２】

【従来の技術】話者検証システムは、通常、例えば、シ
ステムに登録しようとする話者により繰り返して発声さ
れた、パスワードからの参照データを準備する必要があ
る。その後、この参照データは、例えば、ユーザ・カー
ド上に記録される。その後で、ユーザが、例えば、自動
金銭受け払い機（ＡＴＭ）で現金自動支払トランザクシ
ョンのようなトランザクションを、ターミナルで開始し
たい場合には、ユーザは自分のカードをターミナルに挿
入し、その後で話者は、パスワードを発声し、そのパス
ワードは、ユーザのカード上に記録された参照データと
の比較を行うのに適した形のデータを作るために、ター
ミナルで処理される。比較の結果に従って、通常域値と
の関係を含めて、発声されたパスワードがユーザ本人の
音声であるかどうかの検証が行われる。

【０００３】

【発明が解決しようとする課題】本発明の一つの目的
は、話者を効率的に検証することができる話者検証シス
テムを提供することである。

【０００４】

【課題を解決するための手段】ある態様から見た場合、
本発明は、見本としての発声を表す平均発声データを提
供する目的で、上記話者検証システムに登録するため
に、話者の複数の見本としての発声を分析するステップ
と、比較のための発声を表す比較用発声データを提供す
るために、複数の比較用の発声を分析するステップと、
上記の比較用発声データと上記平均発声データとの間の
違いを計算する際に使用するための加重べクトルを決定
するために遺伝学的アルゴリズムを使用するステップと
を特徴とする、話者検証システムで使用するための参照
データを生成する方法である。

【０００５】他の態様から見た場合、本発明は、上記話
者の比較用発声から得た較正用発生データと、上記平均
発声データとを比較するステップと、遺伝学的アルゴリ
ズムにより得た上記の加重べクトルを使用し、それによ
り上記較正用発声と上記平均発声データとの間の較正の
ための違いを決定するステップと、上記の較正のための
違いを所定の域値と比較するステップとを特徴とする、
上記方法により生成した参照データを使用する話者を検
証する方法である。

【０００６】

【発明の実施の形態】本発明の例示としての一つの実施
例を、添付の図面を参照しながら説明する。

【０００７】図１について説明すると、この図は、話者
用のテンプレートを形成するための装置１０の簡単なブ
ロック図である。装置１０は、マイクロホン１２と、こ
のマイクロホンに接続している低域フィルタ１４と、さ
らにこの低域フィルタに接続しているアナログ−ディジ
タル・コンバータ１６を含む。アナログ−ディジタルコ
ンバータ１６は、ＤＳＰ（ディジタル信号プロセッサ）
マイクロプロセッサ１８に接続し、このマイクロプロセ
ッサ１８はインターフェース回路２０に接続している。
ブロック１４、１６、１８および２０は、好適には、パ
ソコンのようなコンピュータ２４に装着されている、鎖
線内に示すインターフェース・カード２２に内蔵するこ
とが好ましい。コンピュータ２４は、キーボード、ディ
スプレイ、メモリおよび処理装置（図示せず）のような
従来の構成部分を含み、コンピュータ２４に接続してい
る外部ディスク・アレー（図示せず）上に設置すること
ができる音声データベース２６に接続している。他の方
法としては、ディスク・アレーを離れた場所に設置し、
ネットワークを通してアクセスすることもできることを
理解されたい。音声データベースの内容については後で
説明する。コンピュータ２４は、マイクロホン１２に向
かって発声する個々の話者の（後で説明する）個々のテ
ンプレート２８を作ることができる。話者に関する参照
データからなるテンプレート２８は、最初フロッピー・
ディスク上に作成し、後でユーザが通常の方法で携帯す
るのに適した標準サイズの磁気カードまたはスマート・
カードに記録することができる。他の方法としては、参
照データがカードに記録するには多すぎる場合には、上
記カードに記憶装置の参照データが記録されているアト
ルスを記録することができる。

【０００８】図１に示す装置は、話者による登録を行う
ために使用するものであることを理解されたい、すなわ
ち、ユーザのカードに記録するためのテンプレートを生
成したい話者は、マイクロホン１２に向かって複数回所
定の発声を行う。上記の発声は、装置１０で処理され、
参照データがテンプレートの形で作成される。この手順
を図２のフローチャート４０を参照しながら説明する。

【０００９】図２について説明すると、フローチャート
４０はブロック４２からスタートし、ブロック４４に進
み、そこでテンプレートを作成する際に使用される発声
の数がＭＡＸとして指定され、カウンタがＮ＝０にセッ
トされる。最初の発声がディジタル的に記録され、以
下、手順Ａ（後で説明する）と呼ぶ分析手順に従って処
理される。ブロック４６参照。処理はブロック４８へと
進み、そこで数値がＮ＝ＭＡＸであるかどうかについて
のチェックが行われる。ノーである場合には、処理がブ
ロック５０に進み、そこでＮの数値が一つ増大し、ブロ
ック４６に戻る。それにより、新しい発声が手順Ａに従
って処理される。手順Ａの目的は、ケプストラル係数の
マトリックス（後で説明する）を作成することである。
話者の発声に対するＮマトリックスは、その後、動的タ
イム・ワーピング（ブロック５２）のような周知の手順
で時間順に配列され、話者を示すケプストラル係数の平
均マトリックスを作成するため平均される（ブロック５
４）。その後、処理はブロック５６へ進み、フローチャ
ートはブロック５８で終わる。最適加重を発見するため
の手順は、遺伝学的アルゴリズムを使用しているが、こ
れについては後で説明する。

【００１０】手順Ａ（図２のブロック４６）と呼ぶ分析
手順を、図３および図４Ａ−図４Ｃを参照しながら説明
する。図３について説明すると、この図は手順Ａのフロ
ーチャート７０である。この手順は、ブロック７２から
スターとし、ブロック７４へ進み、そこで話者の発声が
捕捉される。その発声を図４Ａに示す。捕捉された発声
７６は、アナログ−ディジタル・コンバータ１６（図
１）でディジタルの形に変換されることを理解された
い。発声の処理はＤＳＰマイクロプロセッサ１８（図
１）で行われる。ブロック７８（図３）について説明す
ると、発声のスタート点および終了点が決定され、振幅
が正規化され、発声は、図４Ｂの発声が示すように翻訳
される。その後、この処理された発声８０はフレームに
分割される（ブロック８２）。図４Ｃに示すように、発
声８０は１５のフレーム８４に分割され、それぞれのフ
レームにはフレーム８４−１から８４−１５という参照
番号がついている。しかし、このフレームの数はこの数
字に限定されるものではなく、このフレーム数以下また
は以上の数のフレームに分割することもできる。次に、
ケプストラル係数のべクトルを作成するために、各フレ
ーム８４に対してスペクトル分析が行われる（ブロック
８６）。好適な実施例においては、一組の線形予測（Ｌ
Ｐ）係数を供給するために、最初にフレーム・データに
対してスペクトル分析が行われ、その後別の数学的変換
により一組のケプストラル係数が得られる。線形予測係
数およびケプストラル係数を得る概念は、言語分析技術
の分野では周知である。好適な実施例の場合には、１２
回のＬＰＣ（線形予測係数）分析が行われ、それにより
別の数学的変換の後で、各フレーム８４に対して１２の
ケプストラル係数（Ｃ０，Ｃ１，．．．．，Ｃ１１）の
べクトル８８が得られる。上記の個々のべクトルには、
８８−１から８８−１５という参照番号がつけられマト
リックス９０を形成する。他のＬＰＣ分析を行うことも
でき、その場合には異なる数のケプストラル係数が得ら
れる。手順Ａは、図示のようにブロック９２で終了す
る。もちろん、べクトル８８に対するケプストラル係数
Ｃ０，Ｃ１，．．．．，Ｃ１１は、一般的に各べクトル
に対して異なる数値を持つが、便宜上、同じ記号Ｃ０，
Ｃ１，．．．．，Ｃ１１により表したことを理解された
い。また、ケプストラル係数は、例えば、フーリエ変換
のような他の手順によっても得ることができ、ケプスト
ラル係数を形成することができることも理解されたい。

【００１１】図２について簡単に説明すると、遺伝学的
アルゴリズムを使用することにより、ブロック５６にお
いて話者に対する最適加重べクトルが発見されたことを
思い出してほしい。ここでこの手順について説明する。
先ず第一に、この手順の主たる目的は、一般的にいっ
て、話者本人の発声と、偽物と呼ぶことにする他の話者
の発声とのあいだの違いを最適化する、個々の話者検証
システムに対する個人的加重べクトルを作成することで
ある。

【００１２】周知のように、遺伝学的アルゴリズムは、
特定の関数に対して必要な結果を得る方法を作り出す数
値を確認するためのサーチ・アルゴリズムである。遺伝
学的アルゴリズムは、生物学的な自然淘汰および自然な
属の機構との類似性に基づいている。上記アルゴリズム
は、サーチ・アルゴリズムを形成するために、「適者生
存」方法をまだランダム化したままの情報交換の構造と
結び付けている。

【００１３】この手順は、その数値が遺伝学的アルゴリ
ズム使用することにより連続的に変化する加重べクトル
を使用して、複数Ｐの本人の発声および複数Ｑの偽物の
発声の数に対してテンプレートの試験を行う。本人の発
声は、上記のようにケプストラル・べクトル８８のマト
リックス９０（図４Ｃ）を入手した同じセッションに記
録することもできるし、個々のセッションに記録するこ
ともできる。偽者の発声は音声データベース２６（図
１）から得られる。

【００１４】図５について説明すると、この図はｍ１の
数値が１５である、図４Ｃのテンプレート・マトリック
ス８０に対応する、全部でｍ１のケプストラル係数べク
トルを持つテンプレート・マトリックス１００である。
図５は、またｍ２のケプストラル・べクトルのマトリッ
クス１０２の形での試験発声を示す。さらに、図５は１
２の係数を持つ加重べクトル１０４も示す。

【００１５】テンプレート・マトリックス１００、およ
び比較用発声マトリックス１０２は、異なる数のフレー
ムを持つことができるので、すなわち、ｍ１およびｍ２
は異なる数であってもよいので、動的タイム・ワーピン
グ（ＤＴＷ）アルゴリズムを実行することができる。す
でに説明したように、ＤＴＷアルゴリズムは、比較用発
声のフレームをテンプレートの正しいフレームと整合し
ようとする。（各フレームは一定の時間的間隔を持ち、
時間的間隔の音声の内容はケプストラル係数のべクトル
で表される。）ＤＴＷアルゴリズムは下記数式の計算を
行う。

【００１６】

【数１】

【００１７】但し、Ｃ_ｒは参照（テンプレート）フレー
ムを表すケプストラル係数であり、Ｃｔは比較用フレー
ムを表すケプストラル係数である。ＤＴＷアルゴリズム
は、比較用フレームと、問題の領域内のテンプレート・
フレームの数との間の距離測定を計算する。最も短い距
離測定値を持つテンプレート・フレームが、問題の次の
比較用フレームの領域の中心点を決定する。比較用発声
のすべてのフレームに対してこのプロセスを繰り返し行
った後で、全パス全体に累積された距離を最も短くす
る、発声を通るパスを発見することができる。このパス
は正しい整合を示している。

【００１８】比較用フレームＸと参照フレームＹとの間
の改善された距離測定値を計算するために、下記式の計
算を行う。

【００１９】

【数２】

【００２０】但し、Ｗ_ｉは加重べクトルＷの１２の構成
部分である。ＤＴＷアルゴリズムにより識別された対応
する参照べクトルに対して、この式の計算が行われる。
次に、すなわち、例えば、スコア１と呼ぶ数値Ｓ_１を得
るために、下記式によりこれらすべての距離の合計を計
算する。

【００２１】

【数３】

【００２２】最短パスに対するこの全スコアは、（後で
説明する）適合音声分布でパラメータとして使用され
る。特に、比較用発声が話者本人のものである場合に
は、このスコアの数値は話者の音声分布で使用され、最
もよい発声が偽者のデータベースである音声データベー
スからのものである場合には、偽の音声分布で使用され
る。

【００２３】今説明した方法では、話者本人の音声分布
を形成しているＰスコア値の全体が話者に対して形成さ
れ、偽者の音声分布を形成しているＱスコア値の全体が
偽者の話者に対して形成されると仮定する。図６Ａにつ
いて説明すると、この図は、発生頻度（ｙ軸）に対する
距離のスコア（ｘ軸）を示す曲線である。曲線１１０
は、話者本人の距離のスコアの分布を表し、曲線１１２
は偽者の話者の距離のスコアの分布を示す。話者本人の
分布１１０に対する最大距離のスコア値１１４をＴｍａ
ｘで表し、偽者の話者の分布１１２に対する最小距離の
スコア値１１６をＩｍｉｎで表す。（後で説明する）適
合値Ｆを下記式により計算する。

【００２４】

【数４】

【００２５】図６Ａにおいては、話者本人の距離のスコ
アと偽物の話者の距離のスコアが重畳しないものと仮定
する。図６Ｂについて説明すると、この図は、話者本人
の分布曲線１２０と重畳している、偽物の話者分布曲線
１２２である。この状況においては、適合値Ｆは異な
る。すなわち、下記式から計算される。

【００２６】

【数５】

【００２７】但し、Ｑは偽物の話者の較正の回数であ
り、ｆは「失敗」、すなわち、図６Ｂの影をつけた領域
１２４が示すように、偽物の話者のスコアが話者本人の
スコアの範囲内にある回数である。上記適合値Ｆは、良
い結果をもたらすことが分かっているが、音声分布を分
離するための他の手段も使用できることを理解された
い。

【００２８】その後で、現在使用されている加重べクト
ルＷに対する数値Ｆが決定され、記憶される。すでに説
明したように、遺伝学的アルゴリズム手順は、加重べク
トルＷに対する「最善の」数値、すなわち、加重べクト
ルの１２の構成部分Ｗ_ｉを決定する際に使用される。こ
こで遺伝学的アルゴリズムについて簡単に説明する。

【００２９】先ず最初に、加重べクトルＷの各加重Ｗ_ｉ
は、１６の数値（０−１５）を考慮して四つの二進法の
ディジットとしてコード化される。しかし、例えば、四
つの二進法のディジットの代わりに、八つの二進法のデ
ィジットを使用することができることを理解されたい。
その後、これらすべての加重は、Ｃ＊４ビットの「染色
体」につなぎ合わされる。この場合、Ｃはケプストラル
係数の数値である。（すでに説明したように、好適な実
施例においてはＣ＝１２である。）。それ故、染色体の
長さは４８であり、２^４８の可能な加重べクトルに対し
てスペースを与える。

【００３０】遺伝学的アルゴリズムを実行する際には、
ランダムの固体の染色体が発生する。今説明している好
適な実施例の場合には、上記染色体は全部で３２発生す
る。今度は、各加重べクトルを使用し、上記手順により
適合値Ｆの計算が行われる。所定の数の最善の上記染色
体、すなわち、最善の適合値Ｆを生じる染色体が選択さ
れ、新しい世代の染色体を発生するために使用される。
使用することができる上記手段は数多くあるが、好適に
は「乗換型」手順を使用することが好ましい。この手順
の場合、新しい世代の選択された染色体のペアが選択さ
れ、二つの部分すなわち、頭部と尾部とに分割され、一
方の親からの「頭部」と他方の親からの「尾部」とをも
つ「子の」染色体を形成するために、ランダムに組み合
わされる。さらに、新しい子の染色体は「突然変異」を
起こすことができる。例えば、一つのディジットを変え
ることができる。好適な実施例の場合には、０．２％の
突然変異を起こす確立が使用された。すべての上記手順
は遺伝学的アルゴリズムに対して標準的なものであり、
所定の数の世代に対して反復して行われる。好適な実施
例の場合には、全部で５０の世代が使用された。この方
法を実行した場合、話者のテンプレートで使用するため
に、最善の実行加重べクトルが選択される。それ故、ブ
ロック５６（図２）の手順については、構成部分Ｗ
_ｉ（好適な実施例の場合には、ｉ＝１，．．．，１２で
ある）を持つ加重べクトルＷの規定と共にすべて説明し
た。加重べクトルＷは、特定の話者により異なり、その
話者のテンプレートの一部を形成する。

【００３１】上記説明に関連して、話者が登録手順を行
うと、例えば、その中にケプストラル係数および今説明
した遺伝学的アルゴリズム手順を使用して決定した話者
に特有の加重べクトルの構成部分を記憶しているユーザ
・カードが作成されることを理解されたい。

【００３２】図７について説明すると、この図は通常の
話者検証手順で使用されるハードウエア１３０の簡単な
ブロック図である。ユーザは自分のカード１３２を、例
えば、現金自動支払モジュールのようなトランザクショ
ン・モジュール１３６を持つ自動金銭受け払い機（ＡＴ
Ｍ）１３４のようなトランザクション・ターミナルに挿
入する。その後、ユーザはＡＴＭに設置されているマイ
クロホン１３８に向かって所定の発声を行う。それによ
るアナログ信号は、アナログ−ディジタル・コンバータ
１４４に接続している低域フィルタ１４２に送られる。
アナログ−ディジタル・コンバータ１４４は、ＤＳＰ
（ディジタル信号プロセッサ）マイクロプロセッサ１４
６に接続していて、このマイクロプロセッサはインター
フェース回路１４８に接続している。ブロック１４２、
１４４、１４６および１４８は、好適にはＡＴＭ１３４
に装着されている、鎖線の枠内に示すインターフェース
・カード１５０に内蔵させることが好ましい。

【００３３】マイクロホン１３８に向かって行ったユー
ザの発声が、ユーザ・カード１３２上に記録されている
テンプレート参照データと一致することを確認するめの
検証手段を、図８のフローチャート１６０を参照しなが
ら説明する。フローチャート１６０はブロック１６２か
らスターとし、ブロック１６４に進む。ユーザが使用で
きる発声の最大数（例えば、三回）が、数値ＭＡＸであ
り、ブロック１６４に示すようにカウンタの数値Ｎは０
にセットされる。ブロック１６６に示すように、マイク
ロホン１３８に向かって行ったユーザの発声（図７）
は、記録され、図３のところで説明した上記手順Ａを使
用して、図７に示す処理回路により処理される。こうす
ることにより、比較用発声に対するケプストラル係数の
マトリックスが形成される。次に、ブロック１６８に示
すように、好適には、上記動的タイム・ワーピング（Ｄ
ＴＷ）手順であることが好ましい時間的整合手順が実行
され、テンプレート参照マトリックスと、ケプストラル
係数の今計算した比較用マトリックスとの間の距離測定
の計算が行われる。この距離測定値は、その係数Ｗ
_ｉ（ｉ＝１，．．．，１２）がユーザ・カード１３２か
ら読み出される加重べクトルＷを使用する。その後、こ
の距離測定値は所定の域値と比較される（ブロック１７
０）。距離測定値が所定の域値より低い場合には、発声
は本人のものであると認識され、ユーザは本人であると
確認されたものとみなされ、ＡＴＭトランザクションを
継続して行うことができる（ブロック１７２）。その
後、フローチャート１６０は図に示すように、ブロック
１７４で終了する。判断ブロック１７０に戻って説明す
ると、距離測定値が所定の域値より大きいかまたは等し
い場合には、話者のＡＴＭへの発声は本人のものと確認
されない。その後、フローチャート１６０はブロック１
７６へ進み、そこでユーザがＡＴＭに向かって発声する
ことができる回数が最大値ＭＡＸに達したかどうかの判
断が行われる。ノーの場合には、計数の数値Ｎが１だけ
増大し（ブロック１７８）、処理はブロック１６６へ戻
る。ユーザが使用できる最大値に達している場合には、
検証手順は失敗したものと見なされ、ユーザの試みたト
ランザクションは終了し、ブロック１７４に示すよう
に、フローチャート１６０は終了する。

【００３４】要するに、上記加重べクトルを、検証しよ
うとするＡＴＭへの発声を話者の登録手順中に得た、す
でに入手済みの記録された参照パラメータと比較するた
めの上記比較動作で使用する場合には、話者検証システ
ムでの距離測定値の計算の際に使用する加重べクトルを
決定するために、遺伝学的アルゴリズムを使用すると、
非常に効率的な結果が得られる。重要な特徴は、加重べ
クトルが、システムに登録中の個々の話者それぞれに対
して、個別に入手されるということであり、それ故、そ
の話者特有の特徴を考慮に入れることである。例えば、
ある種の話者型は他の人々より変化の大きい音声を持っ
ている。本明細書に記載したシステムは、話者の音声の
変動の可能性を実際に査定する。

【００３５】本発明の好適な実施例を特にＡＴＭを参照
しながら説明してきた。しかし、説明した話者検証シス
テムは、一般のセルフ・サービス・ターミナルおよび領
域を獲得するためにアクセスを行うアクセス制御システ
ムにも適用できることを理解されたい。

【図面の簡単な説明】

【図１】話者用のテンプレートを生成させるための装
置の略ブロック図である。

【図２】遺伝学的アルゴリズムを使用する加重べクト
ルを生成するための、図１の装置の動作を示すフローチ
ャートである。

【図３】発声を表す一組のケプストラル係数を生成す
るための、図２に示すフローチャートの一部分をより詳
細に示すフローチャートである。

【図４】図３を参照しながら説明したフローチャート
の理解を助けるための曲線である。

【図５】話者テンプレートと比較用発声に対する、ケ
プストラル係数のマトリックス間の関係を示す図面であ
る。

【図６】話者本人と偽物の話者の音声分布に対する発
生率対距離測定値の関係を示す曲線である。

【図７】参照データに対して話者の発声を検証する装
置の簡単なブロック図である。

【図８】話者検証用の図７の装置の動作を示すフロー
チャートである。

───────────────────────────────────────────────────── フロントページの続き (72)発明者アンドリューティーサペラクイギリス国スコットランドディー・ディー・３０・エル・エーダンデーダウンフィールド、バーンストリート４ (72)発明者ロバートアイダンパーイギリス国エス・オー・53 ２・エー・ビーハンプシャーイーストレイチャンドラーズフォードジュリウスクローズ 12 (72)発明者イアンエムロジャーイギリス国スコットランドディー・ディー・３０・エル・エーバイダンデーリフ、リフパーク 18

Claims

【特許請求の範囲】

【請求項１】話者検証システムで使用するための参照
データを生成する方法であって、見本としての発声を表す平均発声データ（１００）を提
供する目的で、上記話者検証システムに登録するため
に、話者の複数の見本としての発声を分析するステップ
と、試験用の発声を表す試験発声データ（１０２）を提供す
るために、複数の試験用発声を分析するステップと、上記の試験用発声データ（１０２）と上記平均発声デー
タ（１００）との間の距離測定を計算する際に使用する
ための加重べクトル（１０４）を決定するために遺伝学
的アルゴリズムを使用するステップと、を特徴とする方
法。