Improvement of Voice Based Biometric System

Abstract

La reconnaissance vocale est devenue, de nos jours, un besoin d’une importance cruciale. En particulier depuis que la majorité des outils utilisés dans la sphère privée et professionnelle comprennent des fonctionnalités basées sur des commandes vocales. Ces appareils doivent être capable de discerner l’identité du locuteur en plus des mots prononcés pour être à la fois un outil intelligent et sécurisé. Bien que la recherche en reconnaissance vocale fasse parti des taches Traitement Automatique des Langues, elle n’a pas reçu la même attention que d’autre domaine sur les dernières décennies. Ce fait est d’autant plus surprenant que de nombreuses méthodes, tel que “WaveNet”, “GenSynth” et “MelGAN”, ont été développé dans le seul but de générer d’enregistrements vocaux artificiels pour un individu spécifique. L'objectif de cette thèse est donc de donner à la reconnaissance vocale l'attention qu'elle mérite afin de développer un système de biométrie vocale plus robuste et précis capable de rivaliser avec les nouvelles vagues de synthétiseurs vocaux La démarche méthodologique utilisée à travers ce travail repose sur la détection des subtiles variations présentes dans la manière de s'exprimer de différents individus. Pour cela, nous nous sommes concentrés sur la définition de nouvelles caractéristiques à même de mieux représenter un locuteur spécifique en utilisant un réseau de neurone et l’apprentissage par transfert. Cette approche augmente le niveau de détails transféré du signal vocal à l’algorithme de modélisation tout en prenant en considération les spécificités du locuteur. Cette approche fonctionne car les préexistante caractéristiques ne représentait qu'une dimension de l’information vocale, qui était soit de type 1 (comment le message vocal est produit) ou de type deux (comment le message est perçu). Négliger l’une des deux dimensions empêche l’acquisition d’informations indispensable à la bonne réalisation de la reconnaissance. En combinant ces deux types de caractéristiques en utilisant un réseau de neurone artificiel et en appliquant l’apprentissage par transfert, nous avons obtenues une nouvelle série de caractéristiques qui contient suffisamment de détails pour permettre un meilleur taux de reconnaissance. Le résultat principal de ce travail confirme la capacité d’une telle approche à être utilisée un système biométrique vocale moderne, indépendamment du faite que ce système cherche à identifier un individu ou simplement vérifier son identité.