A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Impressão vocal Alunos: Daniel de Carvalho Cayres Pinto Felipe Madureira Fonseca Renan Mariano de Almeida Virginia Elaine Licério dos Santos Redes de Computadores.

Apresentações semelhantes


Apresentação em tema: "Impressão vocal Alunos: Daniel de Carvalho Cayres Pinto Felipe Madureira Fonseca Renan Mariano de Almeida Virginia Elaine Licério dos Santos Redes de Computadores."— Transcrição da apresentação:

1 Impressão vocal Alunos: Daniel de Carvalho Cayres Pinto Felipe Madureira Fonseca Renan Mariano de Almeida Virginia Elaine Licério dos Santos Redes de Computadores I /1 Professor: Otto Carlos Muniz Bandeira Duarte

2 Objetivo Segurança de redes Biometria Reconhecimento de Locutor Introdução

3 Processamento de voz Processamento de Voz Análise/Síntese Reconhecimento Codificação Reconhecimento da voz Reconhecimento do locutor Identificação de linguagem

4 Métodos Reconhecimento dependente de texto Reconhecimento independente de texto Reconhecimento do Locutor

5 Configuração Típica Reconhecimento do Locutor BD PEDIDO DE ACESSO

6 Configuração Típica Reconhecimento do Locutor Conversor Analógico Digital BD Verificação do Locutor VOZ PEDIDO DE ACESSO

7 Configuração Típica Reconhecimento do Locutor Conversor Analógico Digital BD Verificação do Locutor Pontuação Mínima alcançada? Acesso Liberado Acesso Negado SIM NÃO VOZ PEDIDO DE ACESSO

8 HMM (Hidden Markov Model) Cadeia de Markov Modelagem dos Estados Matriz de Probabilidade de Transição Bom para Sequências Temporais Técnicas - HMM

9

10 HMM no Processamento de Voz Modela uma palavra ou sub-unidade de palavra Limitações no desempenho em reconhecimento independente de texto. Técnicas - HMM

11 GMM (Gaussian Mixture Model) Pode ser considerado um HMM de um estado só É independente do texto Técnicas - GMM

12

13 Falsa Rejeição Falsa Aceitação Erro no Registro Vulnerabilidades da Biometria

14 Vantagens Segurança Conveniência Classificadores Vantagens Limitações Vulnerabilidades Relação falsa aceitação x falsa rejeição Outras formas de autenticação Conclusões

15 VICENTIN, J. M.; BARRETO, F. F. de B.; DICKEL, D.; SANTOS, P. V. Provendo Segurança através da Biometria. CIRIGLIANO, R. J. R. Identificação do Locutor: Otimização do Número de Componentes Gaussianas. Universidade Federal do Rio de Janeiro. PARREIRA, W. D.; CARRIJO, G. A. Reconhecimento de Locutor pela Voz usando o Classificador Polinomial e Quantização Vetorial. Faculdade de Engenharia Elétrica, UFU. PETRY, A.; ZANUZ, A. ; BARONE, D. A. C. Reconhecimento automático de pessoas pela voz através de técnicas de processamento digital de sinais. Instituto de Informática, Universidade Federal do Rio Grande do Sul. DELLER, John R.; PROAKIS, John G.; HANSEN, John H. L., Discrete-time Processing of Speech Signals. Prentice Hall, RABINER, Lawrence; JUANG, Biing-Hwang, Fundamentals of Speech Recognition. Prentice Hall, Referências Bibliográficas

16 FIM Obrigado!

17 1) Quais as vantagens na utilização de sistemas de autenticação por voz? 2) Em um sistema com a configuração típica apresentada no trabalho, após feita a conversão da voz para informação digital, como se determina se o usuário é ou não autorizado? 3) No classificador com Modelos Ocultos de Markov, a cadeia é composta por estados e uma matriz de transição. O que os estados modelam em um sistema de reconhecimento de locutor? Perguntas

18 4) O que é um sistema de reconhecimento de locutor dependente e independente de texto? 5) Ao implementar um sistema de autenticação por voz, um aluno percebeu que o sistema falhava muitas vezes ao identificar sua voz. Para resolver o problema ele diminuiu consideravelmente o limiar para aceitação do usuário. Há garantia de que o sistema funcionará melhor após essa modificação? Perguntas

19 1) As principais vantagens são segurança, pois as características biológicas são únicas, e conveniência, pois não há necessidade de nenhum equipamento (cartões ou chaves) para a autenticação. 2) É realizada a verificação do locutor, usando algum classificador baseado nas características da voz e depois é analisado se a verificação alcançou uma pontuação mínima. 3) Os estados podem modelar palavras ou sub- unidades de palavras, dependendo do tipo de classificador. Respostas

20 4) O sistema dependente de texto é o que reconhece o locutor por um texto específico, o independente é o que reconhece o locutor sem a necessidade de especificação de um texto. 5) Não, pois reduzindo a pontuação mínima o número de falso-positivos pode aumentar, tornando o sistema inseguro. Ele deveria realizar testes para reduzir os falso-negativos sem afetar a segurança. Respostas


Carregar ppt "Impressão vocal Alunos: Daniel de Carvalho Cayres Pinto Felipe Madureira Fonseca Renan Mariano de Almeida Virginia Elaine Licério dos Santos Redes de Computadores."

Apresentações semelhantes


Anúncios Google