聲紋識(shí)別技術(shù)在司法實(shí)踐中的應(yīng)用

摘 要 隨著科學(xué)技術(shù)的發(fā)展，聲紋證據(jù)已成為公安和司法機(jī)關(guān)破案?jìng)刹榈闹匾C據(jù)之一。實(shí)施聲紋鑒定的基本要求是程序必須科學(xué)和規(guī)范。本文認(rèn)為要正確提取嫌疑對(duì)象的樣本，按程序?qū)彶榘讣z材，重視搜集和應(yīng)用聲紋鑒定基礎(chǔ)資料，設(shè)計(jì)科學(xué)合理、切合實(shí)際的應(yīng)用系統(tǒng)，采用背景音庫(kù)比對(duì)模式和實(shí)時(shí)語(yǔ)音流監(jiān)控、識(shí)別模式。深化聲紋識(shí)別技術(shù)研究，在實(shí)踐中逐步擴(kuò)大聲紋技術(shù)的識(shí)別應(yīng)用范圍。

關(guān)鍵詞 聲紋 識(shí)別技術(shù) 司法實(shí)踐

作者簡(jiǎn)介：鄭永紅，湖北警官學(xué)院偵查系教授，研究方向：公安情報(bào)學(xué)。

中圖分類號(hào)：D918.9 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.19387/j.cnki.1009-0592.2017.10.360

隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，聲紋證據(jù)已成為公安和司法機(jī)關(guān)破案?jìng)刹榈闹匾C據(jù)之一。聲紋識(shí)別技術(shù)為案件偵查提供了關(guān)鍵證據(jù)和調(diào)查方向。我們應(yīng)結(jié)合工作實(shí)際，努力發(fā)揮聲紋識(shí)別技術(shù)的優(yōu)勢(shì)，努力提高工作效率。

一、聲紋識(shí)別技術(shù)的發(fā)展

眾所周知，每個(gè)人發(fā)聲都是身體幾大器官多重配合的結(jié)果，通過(guò)鼻腔、口舌、聲道、胸肺最終形成看不見(jiàn)的聲波和聽(tīng)得見(jiàn)的聲音。而通常所說(shuō)的聲紋，是指人的聲音的頻譜圖，是借助科學(xué)儀器描繪出來(lái)的說(shuō)話人聲音的圖像。聲紋識(shí)別技術(shù)，是一項(xiàng)通過(guò)語(yǔ)音信號(hào)提取代表說(shuō)話人身份的相關(guān)特征，進(jìn)而識(shí)別出說(shuō)話人身份的技術(shù) 。聲紋具有人的個(gè)性特征，與指紋類似。

（一）聲紋識(shí)別技術(shù)的早期應(yīng)用

隨著科學(xué)技術(shù)的發(fā)展，科學(xué)家們?cè)?0世紀(jì)30年代開(kāi)始了說(shuō)話人的識(shí)別研究。1945年，這項(xiàng)研究取得了突破性的進(jìn)展，貝爾實(shí)驗(yàn)室的科學(xué)家經(jīng)過(guò)多次科學(xué)實(shí)驗(yàn)，完成語(yǔ)譜圖匹配，提出了“聲紋”的概念。1966年，美國(guó)法院采用“聲紋”取證，聲紋技術(shù)開(kāi)始走上了司法實(shí)踐舞臺(tái)。這種技術(shù)開(kāi)發(fā)之初，主要秘密應(yīng)用于軍事情報(bào)領(lǐng)域，后來(lái)逐漸被司法以及金融等領(lǐng)域采用。

（二）我國(guó)聲紋識(shí)別技術(shù)的發(fā)展

我國(guó)聲紋識(shí)別技術(shù)首先是從公安、司法系統(tǒng)開(kāi)始研究與應(yīng)用。從20世紀(jì)80年代末起步的我國(guó)聲紋鑒定技術(shù)的研究，至今已經(jīng)取得顯著成就。多種聲紋智能鑒定系統(tǒng)，在許多案件的偵查中發(fā)揮了重大作用，其功能被人們逐漸認(rèn)識(shí)。在說(shuō)話人辨認(rèn)領(lǐng)域的應(yīng)用有：刑偵破案、罪犯跟蹤、個(gè)性化應(yīng)用等等；在說(shuō)話人確認(rèn)領(lǐng)域的應(yīng)用有：銀行交易、證券交易、公安取證、身份證、信用卡的認(rèn)證等。

（三）聲紋識(shí)別技術(shù)特點(diǎn)

以指紋、人臉、虹膜、語(yǔ)音等生理特征為識(shí)別對(duì)象的生物識(shí)別技術(shù)快速發(fā)展，在眾多領(lǐng)域獲得了應(yīng)用。例如，蘋果手機(jī)運(yùn)用指紋識(shí)別替代密鑰，一些單位的門禁系統(tǒng)也應(yīng)用了人臉和指紋相結(jié)合的認(rèn)證技術(shù)。這是因?yàn)橹讣y、人臉、虹膜、語(yǔ)音等人體生理特征具有穩(wěn)定性、相對(duì)唯一性的特點(diǎn)，識(shí)別率較高，備受用戶喜愛(ài)。美國(guó)圣何塞州立大學(xué)國(guó)家生物特性測(cè)評(píng)中心的專家曾對(duì)各種生物特征進(jìn)行了比較，總結(jié)出各種生物特征在現(xiàn)階段因?yàn)榧夹g(shù)等各種原因，在易用性和應(yīng)用成本上存在較大差異。如技術(shù)成熟的指紋識(shí)別因?yàn)闃颖静杉щy，應(yīng)用成本增加；虹膜、人臉識(shí)別因其技術(shù)原因易用性不強(qiáng)。相對(duì)而言，聲紋識(shí)別的應(yīng)用有一些特殊優(yōu)勢(shì)：語(yǔ)音獲取自然，聲紋提取便捷，識(shí)別成本低廉，適合遠(yuǎn)程身份確認(rèn)，聲紋辨認(rèn)和確認(rèn)的算法復(fù)雜度低，與說(shuō)話語(yǔ)言、方言無(wú)關(guān)，適應(yīng)人群范圍很廣等。

（四）聲紋識(shí)別技術(shù)的兩個(gè)關(guān)鍵問(wèn)題

聲紋識(shí)別的過(guò)程是先通過(guò)錄音設(shè)備采集聲音信號(hào)，之后利用電子設(shè)備將聲音信號(hào)轉(zhuǎn)換成電信號(hào)，再用信號(hào)處理算法提取音頻特征，最后綜合運(yùn)用多種聲紋識(shí)別技術(shù)來(lái)識(shí)別說(shuō)話人的身份。聲紋識(shí)別技術(shù)應(yīng)用，需要解決兩個(gè)關(guān)鍵問(wèn)題：即特征提取和模式識(shí)別。

與語(yǔ)音識(shí)別不同的是，聲紋識(shí)別的聲紋特征必須是“個(gè)性化”特征。而這種“個(gè)性化”的根本要求在于提取對(duì)象人語(yǔ)音信號(hào)的基本特征，以便有效地區(qū)分不同的說(shuō)話人。目前，多種聲紋識(shí)別系統(tǒng)并存，雖各有千秋，但有一個(gè)共同點(diǎn)，即識(shí)別方式主要依靠聲學(xué)特征進(jìn)行。體現(xiàn)個(gè)人聲學(xué)特征的是多層面的，如鼻音、帶深呼吸音、沙啞音、笑聲等，還有受到教育水平、出生地等環(huán)境影響的發(fā)音、言語(yǔ)習(xí)慣等以及個(gè)人特點(diǎn)，受父母影響的語(yǔ)調(diào)、速度、節(jié)奏等特征。聲紋自動(dòng)識(shí)別模型目前可以使用包括聲學(xué)特征、詞法特征、韻律特征、語(yǔ)種、方言和口音信息、通道信息等特征。

聲紋識(shí)別技術(shù)要求選擇適合的識(shí)別方法。聲紋識(shí)別常用方法可以分為動(dòng)態(tài)時(shí)間規(guī)整法、矢量量化法、隱馬爾科夫模型、人工神經(jīng)網(wǎng)絡(luò)法等。近年來(lái)，一些專家在傳統(tǒng)高斯混合模型-通用背景模型的方法上，先后提出了聯(lián)合因子分析和i-vector模型 ，將說(shuō)話人模型映射到低維子空間中，顯著提高了聲紋識(shí)別技術(shù)的性能。

二、聲紋鑒定的重要環(huán)節(jié)

實(shí)施聲紋鑒定的基本要求是程序必須科學(xué)和規(guī)范。聲紋鑒定涉及的樣本提取、檢材審查、聲紋鑒定數(shù)據(jù)庫(kù)應(yīng)用、鑒定應(yīng)用系統(tǒng)的運(yùn)用等各環(huán)節(jié)，都必須嚴(yán)格遵守操作程序。

（一）科學(xué)提取嫌疑對(duì)象的樣本

運(yùn)用先進(jìn)技術(shù)進(jìn)行科學(xué)采樣，是聲紋鑒定的首要環(huán)節(jié)。采樣前要選好錄音設(shè)備和地點(diǎn)，盡量減少和避免噪音。采樣有自由交談錄音和聽(tīng)說(shuō)錄音兩種。實(shí)施交談錄音時(shí)，嫌疑對(duì)象并不知曉被錄音，發(fā)音自然。但是，尋找與樣本相同的語(yǔ)句則困難較多。

聽(tīng)說(shuō)錄音則是有意讓對(duì)方說(shuō)與樣本相同的語(yǔ)句，目的是為了便于對(duì)比鑒定，但嫌疑對(duì)象有的因?yàn)榫o張，有的可能刻意偽裝，反而增加了鑒定難度。因此，具體辦案時(shí)，往往自由交談錄音和聽(tīng)說(shuō)錄音兩種方式都要采用。

（二）按程序?qū)彶榘讣z材

聲紋鑒定前，必須對(duì)案件錄音檢材進(jìn)行審查，首先審查檢材語(yǔ)音連續(xù)性、背景噪聲連貫性、信號(hào)的波形頻譜正常性，認(rèn)定檢材是否原件，有無(wú)經(jīng)過(guò)剪輯。同時(shí)，還要注意檢材的時(shí)效性。只有認(rèn)定檢材確為原件，沒(méi)有剪輯痕跡，并且具有時(shí)效性，才可進(jìn)行一定的處理。通過(guò)濾波措施和減低噪聲，增強(qiáng)相關(guān)語(yǔ)音的識(shí)別度。然后，辨聽(tīng)檢材，選定辨識(shí)性較高的語(yǔ)音段作為樣本。根據(jù)要求，采用先進(jìn)技術(shù)妥為保管樣本。endprint

（三）搜集和應(yīng)用聲紋鑒定基礎(chǔ)資料

聲紋特征提取是在現(xiàn)實(shí)環(huán)境中進(jìn)行的。其環(huán)境的復(fù)雜性既包括聲紋識(shí)別的說(shuō)話人，也包括客觀的生活環(huán)境。作為說(shuō)話人，其語(yǔ)音聲學(xué)特征不可避免地具有發(fā)展性和變異性，既便是同一個(gè)人，被采集到的兩段語(yǔ)音內(nèi)容都是相同的，但是在不同的時(shí)期或特殊的情境下，由于情緒、語(yǔ)速、疲勞程度等原因，聲紋特征也不盡一致，語(yǔ)音都會(huì)有一些差異性。

因此，要隨著工作任務(wù)的拓展，不斷充實(shí)各種語(yǔ)音庫(kù)，包括重點(diǎn)人口、不同地域、不同場(chǎng)合人群的語(yǔ)音庫(kù)等。語(yǔ)音資料的搜集應(yīng)像指紋搜集一樣，結(jié)合日常工作，長(zhǎng)期不懈地進(jìn)行。語(yǔ)音資料的搜集應(yīng)注重質(zhì)量，能反映相關(guān)人的準(zhǔn)確語(yǔ)音信息。語(yǔ)音資料的整理堅(jiān)持信息化、專業(yè)化原則，形成特怔鮮明、覆蓋面大、實(shí)用性強(qiáng)的語(yǔ)音資料體系。

（四）設(shè)計(jì)科學(xué)合理、切合實(shí)際的應(yīng)用系統(tǒng)

應(yīng)用現(xiàn)代管理理論，采用系統(tǒng)工程的方法和信息技術(shù)，建立層次分明、互相聯(lián)系、匹配有序的系統(tǒng)結(jié)構(gòu)。聲紋識(shí)別應(yīng)用系統(tǒng)要著眼實(shí)踐工作需要，既要有全國(guó)性的聲紋識(shí)別系統(tǒng)，也可有區(qū)域性或具體部門的小型聲紋識(shí)別系統(tǒng)。注意各類聲紋系統(tǒng)信息的互聯(lián)互通，并同有關(guān)部門的人口管理系統(tǒng)、犯罪情報(bào)系統(tǒng)等相連接，最大限度的實(shí)現(xiàn)資源共享共用。充分利用各方科技人力資源，努力解決背景噪音處理、失真信號(hào)補(bǔ)償和由年齡變化引起的自然變調(diào)等問(wèn)題。

三、聲紋鑒定的應(yīng)用策略

聲紋鑒定聲紋識(shí)別通常有兩種對(duì)比方式，即1：1和1：N方式。在案件偵查中，辦案人員通過(guò)兩段錄音音素的對(duì)比分析，來(lái)判斷兩個(gè)音素是否屬同一人，這也就是說(shuō)話人的確認(rèn)。此外，還可以運(yùn)用1：N的方式來(lái)進(jìn)行聲紋對(duì)比，也就是說(shuō)是將一個(gè)人的聲音與聲紋庫(kù)中的聲紋數(shù)據(jù)進(jìn)行對(duì)比，進(jìn)而找出最有可能的說(shuō)話人，即判斷語(yǔ)音是誰(shuí)說(shuō)的，這被稱為說(shuō)話人辨認(rèn)。

（一） 兩種對(duì)比方式

將兩段語(yǔ)音檢材直接比對(duì)應(yīng)用，被稱為1：1方式。在偵查中應(yīng)用這種方式，可將案件現(xiàn)場(chǎng)采集到的語(yǔ)音檢材和嫌疑錄音樣本進(jìn)行比對(duì)，確認(rèn)嫌疑人是否為作案人。這是1：1方式的應(yīng)用。

人員語(yǔ)音庫(kù)比對(duì)模式，即1：N方式。在偵查中，將案件語(yǔ)音檢材與重點(diǎn)人口語(yǔ)音庫(kù)連接、與語(yǔ)音庫(kù)中語(yǔ)音模型比對(duì)，會(huì)出現(xiàn)在庫(kù)中和不在庫(kù)中兩種情況。受檢語(yǔ)音的說(shuō)話人在庫(kù)中，則確定匹配人，據(jù)此確定其身份。如不在庫(kù)中，則采取其它措施，繼續(xù)深入偵查。這種方式應(yīng)用較多，如在重點(diǎn)人群監(jiān)控、犯罪嫌疑人排查以及案件司法證據(jù)鑒定等方面。

（二）背景音庫(kù)比對(duì)模式

聲紋識(shí)別并不僅僅是靜態(tài)檢測(cè)，更多的是動(dòng)態(tài)檢測(cè)。背景環(huán)境復(fù)雜性和傳輸信道等的差異性，對(duì)語(yǔ)音信息會(huì)造成不同程度的影響，為聲紋識(shí)別增添了不少的問(wèn)題 。如何降噪以及去混響依然是聲紋識(shí)別的一大難題。聲紋識(shí)別的核心介質(zhì)是聲音，為了獲取純粹和真實(shí)聲紋素材，客觀上要求最大限度地降低雜音。雖然運(yùn)用相關(guān)技術(shù)，能夠過(guò)濾雜音，但這只是相對(duì)而言。外界的雜音干擾，很可能帶來(lái)誤判。為了突出說(shuō)話人的聲音，在一般的聲紋識(shí)別中，采取技術(shù)方法降低噪聲是必要的。

但是在有些案件偵查中，應(yīng)用聲紋識(shí)別系統(tǒng)又不能單純地“去噪”。因?yàn)樵S多重要的辦案線索很可能隱含于“噪聲”之中。遇有相關(guān)案情，應(yīng)在聲紋鑒定前，先對(duì)背景聲音進(jìn)行分離和鑒別。如在綁架案的偵查中，通過(guò)音頻資料的鑒定，便可以從各種噪聲中，發(fā)現(xiàn)案發(fā)時(shí)間、地點(diǎn)及相關(guān)人員的重要線索。

（三）實(shí)時(shí)語(yǔ)音流監(jiān)控、識(shí)別模式

近年來(lái)，各地公安部門結(jié)合工作實(shí)際，努力發(fā)揮聲紋識(shí)別技術(shù)的優(yōu)勢(shì)，有力地維護(hù)了社會(huì)治安。一些地方公安部門的聲紋鑒定系統(tǒng)與相關(guān)部門監(jiān)控、采集設(shè)備結(jié)合使用，運(yùn)用實(shí)時(shí)語(yǔ)音流監(jiān)控、識(shí)別系統(tǒng)，發(fā)揮出重要作用。只要“犯罪嫌疑人”接通電話，通過(guò)監(jiān)控、識(shí)別系統(tǒng)同“犯罪嫌疑人”的語(yǔ)音樣本比對(duì)，便可迅速提供通話人身份、地點(diǎn)等信息，為破案提供了重要線索。有的地方公安機(jī)關(guān)建立了“110”報(bào)警聲紋采集與輔警系統(tǒng)，也取得了較好的社會(huì)效益。

總之，應(yīng)加強(qiáng)總體規(guī)劃，加強(qiáng)專業(yè)技術(shù)隊(duì)伍建設(shè)，深化包括聲紋識(shí)別在內(nèi)的生物特征識(shí)別技術(shù)研究，進(jìn)一步建立和健全相應(yīng)的聲紋庫(kù)，在實(shí)踐中逐步擴(kuò)大聲紋技術(shù)的識(shí)別應(yīng)用范圍，為提高破案率提供技術(shù)支撐。聲紋識(shí)別技術(shù)與其它高新技術(shù)高度融合是未來(lái)的發(fā)展趨勢(shì)，如大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能以及地理信息技術(shù)、虛擬現(xiàn)實(shí)技術(shù)、區(qū)塊鏈和深度學(xué)習(xí)等技術(shù)，都可與聲紋識(shí)別技術(shù)加以融合，大大提升聲紋識(shí)別的精確性。

注釋：

陳擁權(quán)、張羽、胡翀豪、楚瑾.聲紋識(shí)別技術(shù)及其應(yīng)用前景分析.網(wǎng)絡(luò)安全技術(shù)與應(yīng)用.2013，11（24）.

Dehak N，Kenny P，Dehak R，et al.Front-end factor analysis for speaker verification.IEEE Trans on Audio，Speech，and Language Processing，2011，19（4）.

鄭方、李藍(lán)天、張慧、艾斯卡爾·肉孜.聲紋識(shí)別技術(shù)及其應(yīng)用前景.信息安全研究.2016，1（44-57）.endprint