Разработка и оптимизация модуля идентификации по голосу для охранного предприятия

В работе рассматривается возможность построения в условиях сравнительно небольшого обучающего датасета модели идентификации спикера, основанной на модели верификации по голосу с точностью предсказания более 70%. Описываются следующие этапы исследования: сбор датасета, обработка аудиозаписей, выделение голосовых характеристик, проверка эффективности верификации при помощи нахождения евклидова расстояния между векторами характеристик двух спикеров, проверка эффективности верификации при помощи обученной модели бинарного классификатора Random Forest, проектирование десктопноного приложения для демонстрации работы модуля идентификации, анализ полученных результатов.

В результате исследования оказалось, что способ верификации при помощи нахождения евклидова расстояния между векторами характеристик двух спикеров показал точность порядка 60% верных предсказаний, в то время как способ верификации при помощи обученной модели бинарного классификатора Random Forest показал большую точность – около 75%. Таким образом, второй способ верификации оказался наиболее перспективным для совершенствования.

АННОТАЦИЯ................................................................................................. 3

ВВЕДЕНИЕ..................................................................................................... 5

1. Анализ предметной области....................................................................... 7

1.1. Анализ предметной области идентификации по голосу......................... 7

1.2.    Техническое задание на разработку десктопного приложения модуля идентификации по голосу.............................................................................. 14

2. Создание модуля идентификации по голосу............................................ 18

2.1. Обработка аудиоданных и создания модели голоса спикера............... 18

2.2.  Генерация обучающего и тестирующего датасетов для создания модели верификации по голосу................................................................................. 23

2.3.    Исследование модели верификации по голосу с помощью евклидова расстояния       25

2.4.    Исследование модели верификации по голосу на основе бинарного классификатора Random Forest.................................................................... 29

2.5.   Разработка модуля идентификации по голосу в формате десктопного приложения       35

2.6.  Тестирование и оптимизация разработанного модуля идентификации по голосу      39

ЗАКЛЮЧЕНИЕ............................................................................................. 41

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ..................................... 43

ПРИЛОЖЕНИЕ А ПРИЛОЖЕНИЕ Б

1.    Замалиев А.И. Текстозависимая идентификация и верификация диктора по голосу в системе контроля и управления доступом/А.И.Замалиев, А.П.Кирпичников, С.А.Ляшева, М.П.Шлеймович. - Вестник технологического университета. 2016. Т.19. №17 – Казань: Издательство КНИТУ, 2016 – с. 138-143

2.    Сабанов А.Г. Сравнительный анализ методов биометрической идентификации личности/ А.Г. Сабанов, С. Г. Смолина. — Труды ИСА РАН. Том 66 — Москва : Издательство ИСА РАН, 2016. — с. 11-20.

3.    3.2.4.3.1. sklearn.ensemble.RandomForestClassifier [Электронный ресурс] / scikit-learn.org — scikit-learn: Machine Learning in Python—   Режим                                    доступа: https://scikit- learn.org/stable/modules/generated/sklearn.ensemble.RandomForestCl assifier.html — Дата обращения: 20.02.2020.

4.    GitHub - pykaldi/pykaldi: A Python wrapper for Kaldi [Электронный ресурс] / The world's leading software development platform - GitHub— Режим доступа: https://github.com/pykaldi/pykaldi — Дата обращения: 12.12.2019.

5.    Kamit Savay: Самозванцы в мировой истории... [Электронный ресурс] / kamitsavay59.blogpost.com - Kamit Savay— Режим доступа: http://savay59.blogspot.com/2013/06/blog-post_25.html — Дата обращения: 20/10/2019.

6.    LibROSA  –  librosa  0.7.2  documentation  [Электронный  ресурс]

/ librosa.github.io —librosa                      —                        Режим доступа: https://librosa.github.io/librosa/ — Дата обращения: 01.05.2019.

7.    Python| Tkinter. Создание окна приложения [Электронный ресурс]

/ metanit.com —METANIT.COM- Сайт о программировании. — Режим доступа: https://metanit.com/python/tutorial/9.1.php — Дата обращения: 20.05.2020.

8.    Биометрия   -    Краткое   руководство       -  CoderLessons.com [Электронный   ресурс]   /   coderlessons.com       —             Уроки       по программированию     -      CoderLessons.com         —   Режим доступа: https://coderlessons.com/tutorials/akademicheskii/uchites- biometrii/biometriia-kratkoe-rukovodstvo     —  Дата                обращения: 10.01.2020.

9.    Голосовая биометрия. Краткий обзор технологии [Электронный ресурс]   / securitylab.ru   — SecurityLab.ru   —    Режим доступа: https://www.securitylab.ru/blog/personal/Business_without_ danger/147943.php — Дата обращения: 14.11.2019.

10.                 Голосовая биометрия в сфере VoIP[Электронный ресурс] / it- world.ru —IT-World: мир цифровых технологий — Режим доступа: https://www.it-world.ru/tech/science/142282.html — Дата обращения: 02.12.2019.

11.                                                                       Идентификация             по                 голосу.       Скрытые                            возможности|ITSec.RU [Электронный ресурс] / habr.com — Главная|ITSec.RU — Режим доступа: http://information- security.ru/articles2/Oborandteh/identifikaciya_po_golosu      —        Дата обращения: 10.12.2019.

12.                 Интерполяция данных: соединяем точки так, чтобы было красиво/ Хабр[Электронный ресурс] / habr.com— HABRAHABR.RU — Режим доступа: https://habr.com/ru/post/264191/ — Дата обращения: 01.03.2020.

13.                 Как использовать Google Collab | Портал информатики для гиков[Электронный ресурс] / espressocode.top — Портал информатики для гиков | Примеры кода с описанием —Режим

доступа: http://espressocode.top/how-to-use-google-colab/ — Дата обращения: 22.02.2020.

14.                 Как не стоит вычислять матричную экспоненту / Хабр[Электронный ресурс] / habr.com— HABRAHABR.RU — Режим доступа: https://habr.com/ru/post/239303/ — Дата обращения: 10.01.2020.

15.                 Кластеризация: алгоритмы k-means и c-means / Хабр[Электронный ресурс]    / habr.com— HABRAHABR.RU    —    Режим доступа: https://habr.com/ru/post/67078/ — Дата обращения: 19.12.2019.

16.                 Кто там? - Идентификация человека по голосу/ Хабр[Электронный ресурс]    / habr.com— HABRAHABR.RU    —    Режим доступа: https://habr.com/ru/post/144491/ — Дата обращения: 10.02.2020.

17.                 НОУ ИНТУИТ| Лекция | Биометрические системы информационной безопасности на основе [Электронный ресурс]

/ www.intuit.ru — Национальный Открытый Университет "ИНТУИТ"| Бесплатное образование — /Режим доступа: https://www.intuit.ru/studies/courses/10620/1104/lecture/24041 — Дата обращения: 20.02.2020.

18.                 Обзор алгоритмов кластеризации данных/ Хабр[Электронный ресурс]    / habr.com— HABRAHABR.RU    —    Режим доступа: https://habr.com/ru/post/101338/ — Дата обращения: 13.12.2019.

19.                 Открытый курс машинного обучения. Тема 3. Классификация, деревья решений и метод ближайших соседей / Хабр[Электронный ресурс] / habr.com— HABRAHABR.RU — Режим доступа: https://habr.com/ru/company/ods/blog/322534/ — Дата обращения: 23.02.2020.

20.                                                                                                                                                                                                                       Плюсы и минусы биометрической системы аутентификации [Электронный     ресурс]   / worldvision.com.ua                                                      — Системы безопасности—                                                                    Режим

доступа: https://worldvision.com.ua/preimushchestva-i-nedostatki- biometricheskoy-sistemy-autentifikatsii/ —    Дата    обращения: 10.03.2020.

21.                                                                                                     Построение графиков в Python при помощи Matplotlib [Электронный ресурс] / Python 3 – изучение языка программирования        —          python-scripts.com        Режим доступа: https://python-scripts.com/matplotlib — Дата обращения: 15.12.2019.

22.                                                                Реализация и разбор алгоритма «случайный лес» на Python [Электронный  ресурс]  / tproger.ru —  Tproger  –  типичный программист                                 —                                  Режим доступа: https://tproger.ru/translations/python-random-forest- implementation/ — Дата обращения: 24.02.2020.

23.                 Речевые технологии. Голосовая биометрия для чайников на примере работы в контактном центре/ Хабр[Электронный ресурс]

/ habr.com— HABRAHABR.RU — Режим доступа: https://habr.com/ru/company/speechpro/blog/205880/ — Дата обращения: 01.05.2020.

24.                 Текстонезависимая идентификация по голосу/ Хабр[Электронный ресурс]    / habr.com— HABRAHABR.RU    —    Режим доступа: https://m.habr.com/ru/post/336516/ — Дата обращения: 10.02.2020.

25.                                                          Энтропия?             Это                              просто!/                       Хабр[Электронный                                     ресурс]

/ habr.com— HABRAHABR.RU                 —                    Режим доступа: https://habr.com/ru/post/374681/— Дата обращения: 01.03.2020.