Inwiefern unterscheiden sich

1
Inwiefern unterscheiden sich Voiceprints und
Fingerabdrücke bezüglich der Zuverlässigkeit der
Sprecheridentifikation? Wie zuverlässig ist eine
visuelle, spektrographische Analyse im Vergleich
zu einer auditiven Analyse für die Identifikation
der Sprecheridentität?
2

• 1. Fingerabdrücke
• Die ersten bekannten Fingerabdrücke gehen auf die
  neolithische Zeit zurück
• 1686 bemerkte der italienische Anatom Marcello
  Malpighi, dass sich die menschlichen
  Fingerabdrücke von einander unterscheiden.
• Erst 1823 hat J.E. Purkinje den ersten Traktat
  publiziert, in dem er die Papillarleisten
  (papillary ridges) in 19 Arten klassifiziert
  hatte (die Purkinje Muster).
• Herschel sammelte Fingerabdrücke innerhalb von 30
  Jahren und ist zum Schluss gekommen, dass die
  papilläre Falten (papillary folds) sehr beständig
  sind.
• Die erste wissenschaftliche Studie zu den
  Fingerabdrücken stammt vom berühmten britischen
  Genetiker und Anthropologen Francis Galton (1888)

3

• Die Haut, die aus Erhöhungen (ridges)
  besteht, beinhaltet Schweißdrüsen, durch die
  Schweiß vermischt mit dem Talg an die Oberfläche
  kommt. Beim Kontakt mit der glatten Oberfläche
  hinterlässt diese Flüssigkeit bemerkbare Spuren.
  Eindeutig bestimmbar im Alter von 4 Monaten,
  gewinnbar von den Leichen (und Mumien),
  unveränderlich und unbeweglich machen
  Fingerabdrücke wahre individuelle Eigenschaft
  aus.

4

• 2. Genetische Fingerabdrücke
• Kontinuität der spezifischen Eigenschaften alles
  Lebenden ist durch die Informationen
  gewährleistet, die während der Zellteilung
  weitergeleitet werden.
• Das in jeder Zelle vorhandene genetische Material
  setzt sich aus der im Zellnukleus enthaltenen DNS
  und der in den Mitochondrien enthaltenen DNS.
• Die molekulare Struktur der DNS war 1953 von
  Watson und Crick entdeckt die aus zwei
  verflochtenen Ketten gebildete und aus fest
  zusammengebundenen Nukleotiden zusammengesetzte
  Doppelhelix.

5

• Nur ein Teil der DNS funktioniert wie ein Kode,
  der jeder Zelle Synthese der für sie nötiger
  Moleküle erlaubt. Diese Bereiche, genannt
  Mini-Satelliten, bestehen aus sich wiederholenden
  Abfolgen der Nukleotiden (20 bis 70), die
  abhängig von der Einzelperson 3 bis 10 mal
  abgebildet sind.
• 1985 haben Wilson, Jeffreys und Thein entdeckt,
  dass bestimmte Abfolgenfamilien ein gemeinsames
  Muster aufweisen eine Molekularkette, die aus
  einer Abfolge der Nukleinsäure besteht und
  mindestens 20 Nukleotiden enthält.
• Da die Moleküle beim Erbgang weitergeleitet
  werden, ist es möglich, die Identitätsforschung
  auf den Familien durchzuführen.

6

• Da die Wahrscheinlichkeit zwei Menschen mit
  demselben genetischen Profil zu treffen, extrem
  klein ist, scheint die genetische Analyse die
  zuverlässigste der heute entwickelten Methoden zu
  sein.

7

• 3. Voiceprints
• Menschen besitzen die Fähigkeit, bekannte Stimmen
  zu erkennen.
• Man kann aber nicht sagen, dass jede Stimme
  Eigenschaften besitzt, die sie einmalig unter
  allen anderen Stimmen erscheinen lassen.
• Es gibt keine Beweise dafür, dass die Phonetiker
  in der Stimmenidentifikation besser als die Laien
  sind.
• 1980 wurde auf dem Colloqium of British Academic
  Phoneticians die Aussage gutgeheißen Die
  Phonetiker sollten sich nicht für Experten in der
  Sprecheridentifikation halten, bevor sie sich als
  solche beweisen können.

8

• 1962 erschien in Nature ein Artikel mit dem Titel
  Voiceprint identification.
• Dieser fehlerhafte metaphorische Terminus
  Voiceprint lässt viele Menschen glauben, dass
  die graphische Darstellung der Stimme (Sonagramm)
  genau so zuverlässig wie die Struktur der
  Papillarleisten der Fingerabdrücke oder der
  genetischen Fingerabdrücke ist, und dass sie die
  zuverlässige Sprecheridentifizierung erlaubt.
• Aber kein Sprachspezialist hat Beweise für die
  Zuverlässigkeit der Sprecheridentifikation durch
  Spektrogrammanalyse gefunden.

9
Vergleich von Fingerabdrücken, genetischen
Fingerabdrücken und Sprachsignalen
Genetischer Fingerabdruck Fingerabdruck Sprachsignal
Allgemeine Charakteristik Zellenstruktur Fingerformspuren auf der Oberfläche Folgen der Artikulatorenbewegung
Parameter Multilokuläre Teile der DNS Geometrisch Temporal und spektral
Veränderlichkeit Nein Keine nach dem vierten Monat Kann vom Sprecher selbst oder durch Stress verändert werden
Alterseinfluss Nein Nein Wichtig mit Erwachsenwerden
Einfluss des Gesundheits- zustandes Nein Nein Wichtig für Vokal- und Nasaltrakt und Lungen
Spracheinfluss Nein Nein Sehr wichtig
10
Vergleich von Fingerabdrücken, genetischen
Fingerabdrücken und Sprachsignalen
Genetischer Fingerabdruck Fingerabdruck Sprachsignal
Möglichkeit, die Leiche zu identifizieren Ja Ja Nein
Möglichkeit der Geschlechtsidentifikation Ja Nein Ungewiss
Möglichkeit, die Familienzugehörigkeit zu bestimmen Ja Nein Nein
11

• 4. Sprecherauthentifikation und
  Sprecheridentifikation
• Um herauszufinden, wie zuverlässig eine
  visuelle, spektrographische Analyse im Vergleich
  zu einer auditiven Analyse für die Identifikation
  der Sprecheridentität ist, wurde eine Studie
  gestartet.
• Die Studie beschäftigte sich mit folgendem
  Experiment
• Die Testperson bekommt Samples desselben
  Sprachmusters, erzeugt von einer Zahl der
  Sprecher. Dann wird ihr ein Kontrollstimulus
  präsentiert, eine neue Version des Musters eines
  der Sprecher. Ihre Aufgabe ist, den Sprecher zu
  identifizieren dabei darf sie die vorgeführten
  Samples so oft sie will hören. Diese Technik
  heißt matching-from-sample procedure.
• Sprecheridentifikation wurde auf zwei
  verschiedene Weisen der Sprachmaterialpräsentation
  untersucht 1). Sprachmaterial wurde über
  Kopfhörer präsentiert 2). Sprachmaterial wurde
  visuell als Spektrogramm präsentiert.

12
Fragen, die zu Beginn der Studie gestellt wurden

• Wie vergleichbar ist die Leistung der
  Testpersonen in visuellen und Hörtests?
• Hängt die Fähigkeit der Sprecheridentifikation
  von den Eigenschaften des verwendeten Musters
  seiner Länge, seines phonetischen Inhalts etc?
• Gibt es individuelle Unterschiede in der
  Identitätsfähigkeit der Stimmen, und gibt es
  Unterschiede zwischen Menschen in ihrer
  Fähigkeit, Stimmen auditiv und visuell zu
  unterscheiden?
• Wie treten Menschen in Bestätigungstests auf, in
  denen der Sprecher des Musters als einer der
  Gruppe der in der Samplebibliothek präsentierten
  Sprecher zu identifizieren ist?

13

• Zwei Experimentarten wurden durchgeführt
• (1) Reihe der closed Tests, in denen es
  Samplebibliothek von acht Sprechern gab, und die
  Kontrollmuster von einem der Sprecher zu
  produzieren waren
• (2) Reihe der open Tests, in denen dieselbe
  Samplebibliothek von acht Sprechern verwendet
  wurde, aber die Kontrollmuster könnten oder
  könnten nicht von einem dieser Sprecher
  produziert worden sein.

14
Auswahl der Sprecher

• Es wurde beschlossen, eine Bibliothek der Wörter
  vorzubereiten, die von 24 männlichen Sprechern im
  Alter von 20 bis 40 Jahren gesprochen wurden,
  dessen Stimme man für typisch männlich hielt, und
  die keinen starken Akzent und keine signifikanten
  Abweichungen in der Artikulation hatten. Dafür
  wurden Aufnahmen von 59 Männern gemacht, als
  jeder einen Textabschnitt und drei isolierte
  Spondeus Wörter (spondee ) vorgelesen hat.
• Als nächstes wurde eine Gruppe der Sprachforscher
  zusammengestellt und gebeten, die Sprecherstimmen
  nach bestimmten Merkmalen zu bewerten (a)
  niedrig-hoch, voll-dünn, tief- flach (b)
  langsam-schnell (c) klar-unklar, rau-sanft (d)
  ohne regionalen Akzent - mit regionalem Akzent
  (e) gute Artikulation - schlechte Artikulation
  (f) ohne nasale Resonanz - mit starker nasalen
  Resonanz.

15

• Die Sprecher mit untypischer Artikulation,
  starkem Akzent und nasaler Resonanz wurden sofort
  ausgeschlossen.
• Für die restlichen Sprecher wurden abhängig von
  der durchschnittlichen Bewertung der Merkmale a,
  b, c und d und ihrer Vokaltraktlänge
  Verteilungskurven erstellt.
• Um die Zahl der Sprecher auf 24 zu reduzieren,
  wurden 2 Kriterien verwendet
• (1) Sprecher mit extremen Werten (wie sehr
  langsames Tempo oder seht niedrige Tonhöhe)
  wurden ausgeschlossen
• (2) Eigenschaften der ausgewählten Sprecher
  beinhalteten angemessene Verteilung verschiedener
  Merkmale.
• Durch diese Prozedur wurde eine homogene Gruppe
  von acht bekannten Sprechern ausgewählt, deren
  Sprachmuster beim Experiment zum Vergleich dienen
  werden. Die gebliebenen 16 Sprecher wurden als
  unbekannte Sprecher verwendet, deren Sprachmuster
  zum Vergleich bei den open Tests nicht verfügbar
  sein werden.

16
Auswahl des Sprschmaterials

• Es sollte eine halbwegs große Auswahl an
  Sprachlauten repräsentiert werden, so dass man
  die relative Wichtigkeit verschiedener Klassen
  der Sprachlaute bei der Sprecheridentifikation
  mit zwei Methoden einschätzen könnte. Die
  Musterlänge war auch sehr wichtig.

17
Der betonte Vokal
vorne hinten
1. Baseball X
2. Sidewalk X X
3. Pancake X
4. Dovetail X
5. Yardstick X
6. Scarecrow X
7. That X
8. Base X
9. Side X
10. A baseball glove
11. That sidewalk is brocken
18

• Die Tabelle zeigt, dass einige kurze Wörter auch
  ein Teil der längeren Wörter oder Phrasen sind.
  Somit war es möglich, die Fähigkeit der
  Testpersonen, den Sprecher aufgrund isoliert
  ausgesprochenen Wortes mit ihrer Fähigkeit, den
  Sprecher aufgrund längerer, dasselbe Wort
  enthaltenen Einheit, zu vergleichen.
• Sechs der Wörter auf der Liste sind Spondeus
  Wörter. Da beide Silben betont werden, obwohl die
  Hauptbetonung auf der ersten Silbe liegt, dachte
  man, dass jede Silbe einen Beitrag zur
  Sprecheridentifikation leisten könnte. Diese
  Wörter wurden so ausgesucht, dass hintere und
  vordere Vokale etwa gleich in betonten Silben
  vertreten waren, und relativ breite Verteilung
  der Konsonanten auf verschiedenen Positionen im
  Wort beinhalteten.

19
Auswahl der Testpersonen

• Aus insgesamt 10 Hochschulstudenten, die sich
  für die Teilnahme in Experimenten beworben haben,
  wurden sechs ausgesucht (drei Männer und drei
  Frauen). Die Auswahl basierte auf Durchleuchtung
  ihres Gehörs und aufgrund der Untersuchung ihrer
  Fähigkeit, sich mit sechs früher unbekannten
  Stimmen vertraut zu fühlen. Da nur zwei Studenten
  nach der Durchleuchtung ausgeschlossen wurden,
  wurde die endgültige Auswahl von drei Männern und
  drei Frauen per Zufall getroffen. Ihr
  Durchschnittsalter war 19,5 Jahre und Englisch
  war ihre Muttersprache.

20
Closed Tests

• Materialien für die closed Tests bestanden aus
  fünf Wiederholungen der elf Wörter aus der
  Tabelle, die von acht bekannten Sprechern
  aufgenommen wurden.
• Es wurden zwei Reihen der Vergleichsmuster
  zusammengestellt.
• Für jedes Wort wurde eine Reihe der
  Vergleichseinheiten den drei Testpersonen und die
  andere Reihe der Vergleichseinheiten den anderen
  drei präsentiert.
• Im Falle der Hörtests konnte die Testperson jedes
  der Vergleichsmuster oder die Kontrolleinheit
  durch das Drücken eines der neun angemessen
  beschrifteten Schalter hören.
• Die Sprache wurde mit Geräuschen vermischt, um
  Atmungsgeräusche, Bewegungsgeräusche und Klicks
  zu maskieren.
• Vor den Hörtests wurde jeder Testperson die
  Möglichkeit gegeben, einmal jedes der acht
  Vergleichsmuster zu hören.

21

• Im Falle der visuellen Tests war jedes
  Kontrollmuster ein Spektrogramm eines Wortes und
  die Vergleichsmuster waren acht Spektrogramme,
  die eine Äußerung des Wortes durch jeden der acht
  Sprecher darstellten. So war die Testperson im
  Stande, das gegebene Kontrollspektrogramm mit
  jedem der Vergleichsspektrogramme zu vergleichen.
• Der Test bestand aus 32 Äußerungen eines
  gegebenen Wortes.
• Jede Testperson nahm an 28 closed Tests (14
  Hörtests und 14 visuellen Tests) teil.
• Für jede Testperson und jeden Test wurden den
  Vergleichsmustern verschiedene Nummern von 1 bis
  8 zugeteilt.
• Muster wurden in einer zufälligen Reihenfolge
  präsentiert.
• Durchschnittlich machten die Testpersonen zwei
  Hörtests und zwei visuelle Tests während einer
  einzelnen Sitzung.

22
Open Tests

• Der Ablauf der open Tests war ziemlich ähnlich
  mit dem der closed Tests, nur dass die Äußerungen
  der unbekannten Sprecher in den Kontrollsamples
  der bekannten Sprecher enthalten waren.
• Zwei der elf Wörter wurden verwendet (sidewalk
  und dovetail).
• Es wurden vier Testpersonen gebraucht.
• Jede Testperson hat an 12 Tests teilgenommen
  (sechs Hörtests und sechs visuellen Tests).
• Die verwendeten Wörter, Testmuster, Konditionen
  und Vergleichsmuster wurden vom Test zu Test für
  jede Testperson zufällig angeordnet.
• Die Instruktionen für die Testpersonen waren
  grundsätzlich dieselben wie in closed Tests.
  Allerdings wurden die Testpersonen informiert,
  dass die Kontrollmuster von einem der acht
  bekannten Sprecher stammen könnten oder nicht.

23

• Die erste Aufgabe der Testperson war, zu
  bestimmen, ob das vorgeführte Muster von einem
  der acht Sprecher stammte, und dann musste man
  eingeben, wie sicher man sich bei der
  Entscheidung war.
• Falls die Testperson angab, dass das
  Kontrollmuster von einem der acht Sprecher
  stammte, musste sie den Sprecher identifizieren
  und eingeben, wie sicher sie sich bei der
  Entscheidung war.

24
Ergebnisse der Closed Tests

• Nach 14 Tests (etwa vier Aufnahmestunden) lief
  der Lernprozess schneller für Hörtests als für
  visuelle Tests ab. Nach der Erklärung des
  experimentellen Ablaufs, haben die Testpersonen
  etwa die gleiche Zeit für beide Tests gebraucht-
  etwas über 1 min für die Entscheidung.
• Die benötigte Zeit für Hörtests hat nach sechs
  Tests sehr schnell auf weniger als die Hälfte
  gesunken, wobei die Zeit für die visuellen Tests
  viel langsamer abnahm. Die benötigte Zeit scheint
  vor allem von der Länge der Äußerung abzuhängen.
  Für die Hörtests schwankt die durchschnittliche
  Zeit für die Identifikation von 26 sec für das
  Wort side bis 47 sec für einen Satz. Für die
  visuellen Tests ist die Spannweite von 37 sec für
  das Wort base bis 61 sec für einen Satz.
• Für die Hörtests lag die Fehlerquote etwa bei
  18 und fiel auf 6 bei späteren Tests. Bei
  visuellen Tests fiel die Fehlerquote von 28 auf
  21 während vergleichbaren Zeitabschnitts.

25

• Die Präzision, mit der die Testpersonen den
  Sprecher identifiziert haben, schwankte deutlich.
  Für die visuellen Tests gibt es mit der
  wachsenden Länge der Äußerung ständige
  Verbesserung in Erkennung des Sprechers. Für die
  Hörtests ist die Länge weniger wichtig, und wenn
  die Silbenzahl drei überschreitet, scheint es im
  Durchschnitt keine weitere Verbesserung in
  Erkennung zu geben.
• Die Wörter mit betonten vorderen Vokalen erlauben
  einem, den Sprecher viel schneller zu
  identifizieren, als die Wörter mit betonten
  hinteren Vokalen.
• Ergebnisse zeigen, dass es große Unterschiede in
  der Fähigkeit der visuellen und auditiven
  Sprecheridentifikation zwischen den Testpersonen
  gibt. Außerdem gibt es keine Übereinstimmung in
  Ergebnissen für beide Testarten, d.h. die
  Testperson, die gut in Hörtests abgeschnitten
  hat, war nicht notwendigerweise gut in visuellen
  Tests.

26

• Die Spannweite der Fehlidentifikation bei den
  visuellen Tests ist ziemlich klein (20 bis 30).
  Bei den Hörtests ist sie viel größer manche
  Sprecher wurden seltener mit anderen verwechselt,
  während andere viel öfter falsch identifiziert
  wurden. So gibt es schwache Beweise dafür, dass
  die Stimme beim Hören markant ist und auch
  markante spektrogrsphische Muster aufweist.
• Bei jedem Test hatte die Testperson den Zugriff
  nur auf eine Variante des Vergleichsmusters. Drei
  Testpersonen haben eine Reihe der
  Vergleichsmuster verwendet, und die anderen drei
  eine andere Reihe. Da ein Sprecher eine Äußerung
  nie auf gleiche Weise zweimal produziert, kann
  man erwarten, dass sich diese Vergleichsmuster
  ein wenig unterscheiden, und dass sich die
  Ergebnisse der Sprecheridentifikation abhängig
  von unterschiedlichen Mustern unterscheiden.

27

• Und das ist wirklich der Fall, obwohl der
  Unterschied für die meisten Wörter sehr klein
  war. Bei den Hörtests gab es den auffälligsten
  Einfluss bei Vergleichsmustern für Phrasen und
  Sätze, z.B. für a baseball glove war die
  Fehlerquote bei einer Reihe der Vergleichsmuster
  1 und 12 bei der anderen Reihe.
• Bei den Tests stellte sich heraus, dass man sich
  bei den Antworten für Hörtests viel sicherer war
  als bei visuellen Tests, und das bei jeder
  einzelnen Testperson.

28
Ergebnisse der Open Tests

• Für open Tests hatten die Testpersonen zweifache
  Aufgabe den Sprecher zu authentifizieren und
  falls er als bekannt erkannt wird, ihn zu
  identifizieren.
• Durchschnittszeit für die Hörtests war etwa 30
  sec, während sie für die visuellen Tests etwa 60
  sec war (25 sec bzw. 45 sec bei closed Tests).
• Bei den Hörtests war die Authentifikationsquote
  der bekannten Sprecher bei etwa 90, während 6
  bis 8 der unbekannten Sprecher falsch
  authentifiziert wurden.
• Bei den visuellen Tests wurden relativ viele
  unbekannte Sprecher falsch authentifiziert.
  Offensichtlich waren die Unterschiede zwischen
  Spektrogrammen verschiedener Sprecher weniger
  sichtbar als die gehörten Unterschiede bei den
  Hörtests.

29
Vergleich mit anderen Studien

• Vergleichbare Studien
• Young und Campbell haben die Aufnahmen der 5
  Sprecher verwendet, und hatten 10 erfahrene
  Beobachter, um die Sprecher aus den
  Spektrogrammen der einzeln ausgesprochenen Wörter
  you und it zu identifizieren. Durchschnittliche
  Fehlerquote bei den Testpersonen war 22, was ein
  bisschen weniger als die Fehlerquote von 23, 25
  und 51 für die einsilbige Wörter der
  vorliegenden Studie ist. Die geringere
  Fehlerquote kann durch die kleinere Sprecherzahl
  erklärt werden.
• Kersta hat in seinen Experimenten zur
  Sprecheridentifikation noch kleinere Fehlerquoten
  bekommen. Z.B. bei der Sprecherzahl von 9 und
  verschiedenen einsilbigen Wörter als
  Sprachmaterial hat er Fehlerquoten von 0 bis 2
  bekommen.

30

• Bricker und Pruzansky haben die Fähigkeit der
  Hörer untersucht, Stimmen der ihnen sehr
  vertrauten Sprecher zu identifizieren (Samples
  der unbekannten Stimmen gab es während der Tests
  nicht). Für 10 Sprecher, die einsilbige Wörter
  ausgesprochen haben, haben sie die Fehlerquote
  von 19 bekommen, während die Fehlerquote für
  solche Äußerungen in der vorliegenden Studie nur
  8 bis 17 beträgt.
• Eine mögliche Erklärung für solche Abweichungen
  ist, dass die verschiedenen Spektrographmodelle
  in verschiedenen Studien verwendet wurden.

31
(No Transcript)
32
Zusammenfassung der Ergebnisse

• Auditive Sprecheridentifikation ist viel exakter
  als die Identifikation auf Grund Spektrogramme.
  Die Testpersonen sind viel sicherer bei der
  Identifikation für die Hörtests.
• Für visuelle Identifikation erhöhen längere
  Muster die Möglichkeit korrekter Identifikation.
  
• Es ist einfacher, den Sprecher zu identifizieren,
  wenn er ein einen vorderen Vokal enthaltenes Wort
  äußert, als wenn er ein einen hinteren Vokal
  enthaltenes Wort äußert.
• Es gibt große Unterschiede in auditiver
  Abgrenzbarkeit der Stimmen, sogar wenn die
  Stimmen einigermaßen homogen zu sein scheinen.
• Es gibt große Unterschiede in der Fähigkeit der
  Testpersonen, Stimmen auf auditiver oder
  visueller Ebene zu identifizieren.

33

• Indirekte Beweise zeigen, dass die
  Sprecheridentifikationsquoten, die auf den
  Antworten aller Testpersonen zusammen basieren,
  viel besser sind, als die Quoten für jede
  einzelne Testperson.
• Indirekte Beweise zeigen, dass die
  matching-from-sample Technik, bei der
  Vergleichsmuster aus einigen Wiederholungen einer
  Äußerung durch jeden Sprecher bestehen, zu einer
  niedrigeren Fehlerquote führt, als wenn nur ein
  Vergleichsmuster von jedem Sprecher verfügbar
  ist.
• Stimmauthentifikation ist auf visueller Ebene
  schwächer als auf der auditiven Ebene.
• Ergebnisse dieser Studie beweisen, dass die
  matching-from-sample Technik bei der
  Stimmauthentifikation und identifikation auf
  visueller und auditiver Ebene erfolgreich
  verwendet werden kann. Beide Methoden haben
  Besonderheiten, die für die praktische Nutzung
  attraktiv sein könnten.

34

• Vielen Dank für eure Aufmerksamkeit!