Controle de acesso a ambiente restrito, a partir da identidade vocal, utilizando coeficientes MFCC e classificador K-means.

• Autor(a) principal: AZEVEDO, Gabriel Almeida.
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19780
• topic: Identidade vocal; Vocal identity; Identité vocale; Identidad vocal; Processamento digital de sinais de voz; Procesamiento digital de señales de voz; Traitement numérique des signaux vocaux; Digital processing of voice signals; Reconhecimento de voz; Voice recognition; Reconnaissance vocale; Reconocimiento de voz; Coeficientes MFCC; Coefficients MFCC; Clusterização K-Means; K-Means Clustering; Agrupación en clústeres K-Means; Verificação automática de identidade vocal; Automatic scanning of vocal identity; Analyse automatique de l’identité vocale; Análisis automático de identidad vocal; Coeficientes mel-cepstrais; Coefficients de Mel-ceptis; Mel-ceptis coefficients; Controle de acesso a ambientes; Environment access control; Contrôle d’accès à l’environnement; Control de acceso al entorno; Aprendizagem de máquina; Aprendiendo de máquina; Learning from machine; Tirer les leçons de machine; Locutores – identificação automática da voz; Annonceurs - identification vocale automatique; Announcers - automatic voice identification; Locutores - identificación automática de voz; Mel-Frequency Cepstral Coefficients – MFCC; Ciência da Computação

A área de aprendizagem de máquina é uma grande aliada para garantir privacidade e segurança, pois promove avanços nos métodos empregados para controle de acesso. O uso de técnicas para Reconhecimento Automático da Identidade Vocal de Locutores, para fins de autenticação, representa um desses avanços. Diante do exposto, este artigo objetiva apresentar um sistema para verificação automática da identidade vocal de locutores, buscando aplicá-lo para autenticação e liberação de acesso a ambiente restrito. O sistema baseia-se numa tarefa de reconhecimento de padrões, dividida em duas etapas: treinamento e verificação. No treinamento, foram aplicadas técnicas para pré-processamento do sinal (pré-ênfase, divisão em frames e janelamento), extração de características (Mel-Frequency Cepstral Coefficients - MFCC) e construção de um padrão representativo da identidade vocal de cada locutor (clusterização). Na verificação, ocorreram o pré-processamento do sinal, extração de características e autenticação, esta última a partir da comparação entre as características de teste e o padrão previamente armazenado do locutor. Na lógica de decisão, foram utilizados limiares para autenticação de um locutor (aceitação, rejeição e indeterminação). Os resultados obtidos demonstram uma autenticação correta do locutor em 81% dos casos e uma taxa de 94,89% de rejeição de impostores, comprovando a eficiência da abordagem proposta.