python 验证码识别端到端
Posted 亮亮1990
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python 验证码识别端到端相关的知识，希望对你有一定的参考价值。
TensorFlow练习20: 使用深度学习破解字符验证码
验证码是根据随机字符生成一幅图片，然后在图片中加入干扰象素，用户必须手动填入，防止有人利用机器人自动批量注册、灌水、发垃圾广告等等 。
验证码的作用是验证用户是真人还是机器人；设计理念是对人友好，对机器难。
上图是常见的字符验证码，还有一些验证码使用提问的方式。
我们先来看看破解验证码的几种方式：
- 人力打码（基本上，打码任务都是大型网站的验证码，用于自动化注册等等）
- 找到能过验证码的漏洞
- 最后一种是字符识别，这是本帖的关注点
我上网查了查，用Tesseract OCR、OpenCV等等其它方法都需把验证码分割为单个字符，然后识别单个字符。分割验证码可是人的强项，如果字符之间相互重叠，那机器就不容易分割了。
本帖实现的方法不需要分割验证码，而是把验证码做为一个整体进行识别。
相关论文：
- Multi-digit Number Recognition from Street View Imagery using Deep CNN
- CAPTCHA Recognition with Active Deep Learning
- http://matthewearl.github.io/2016/05/06/cnn-anpr/
使用深度学习+训练数据+大量计算力，我们可以在几天内训练一个可以破解验证码的模型，当然前提是获得大量训练数据。
获得训练数据方法：
- 手动（累死人系列）
- 破解验证码生成机制，自动生成无限多的训练数据
- 打入敌人内部（卧底+不要脸+不要命+多大仇系列）
我自己做一个验证码生成器，然后训练CNN模型破解自己做的验证码生成器。
我觉的验证码机制可以废了，单纯的增加验证码难度只会让人更难识别，使用CNN+RNN，机器的识别准确率不比人差。Google已经意识到了这一点，他们现在使用机器学习技术检测异常流量。
验证码生成器
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 |
from
captcha
.
image
import
ImageCaptcha
# pip install captcha
import
numpy
as
np
import
matplotlib
.
pyplot
as
plt
from
PIL
import
Image
import
random
# 验证码中的字符, 就不用汉字了
number
=
[
'0'
,
'1'
,
'2'
,
'3'
,
'4'
,
'5'
,
'6'
,
'7'
,
'8'
,
'9'
]
alphabet
=
[
'a'
,
'b'
,
'c'
,
'd'
,
'e'
,
'f'
,
'g'
,
'h'
,
'i'
,
'j'
,
'k'
,
'l'
,
'm'
,
'n'
,
'o'
,
'p'
,
'q'
,
'r'
,
's'
,
't'
,
'u'
,
'v'
,
'w'
,
'x'
,
'y'
,
'z'
]
ALPHABET
=
[
'A'
,
'B'
,
'C'
,
'D'
,
'E'
,
'F'
,
'G'
,
'H'
,
'I'
,
'J'
,
'K'
,
'L'
,
'M'
,
'N'
,
'O'
,
'P'
python 验证码识别端到端
基于python语言的tensorflow的‘端到端’的字符型验证码识别 |