TC官方合作论坛

标题: 【KT识别】谈网页验证码的种类与识别 [打印本页]

作者: Knight 时间: 2014-12-16 23:50
标题: 【KT识别】谈网页验证码的种类与识别
验证码是常见的检测是否人为操作的手段,这一设置给挂机脚本带来了不少的阻碍，现在跟大家说说常见的几种验证码种类和识别
一般的验证码识别思路
分析图片--预处理--分割--字符训练--识别
（对于一些粘连的验证码难以分割就没有分割这一步，不过没有分割识别起来比较麻烦）

[attach]18488[/attach]
验证码分析：字符位置固定，字形规则，少量线条杂点干扰
这种验证码比较简单，根据背景差异清除背景后能很好地采用直方图分割，或者直接固定位置分割,分割后建立字符训练，由于字符比较规则，少量的字符样本就可以得到不错的识别率
[attach]18487[/attach]
验证码分析：固定边框，背景单调，字形规则，字符位置不固定
这种验证码看起来好像比上面的难，但仔细分析，先把边框裁剪掉，背景与字符的亮度不一，而且背景的亮度一致，字符亮度一致，可通过亮度差异除去背景，剩下字符，而字符位置虽然不固定，但并没有出现交叉或粘连的情况，用直方图分割就能很好地分割出来，然后进行字符训练，跟上面一样，字符规则，只需要少量样本
[attach]18490[/attach]
验证码分析：字符扭曲，无背景，无干扰
这种验证码由于字符扭曲，看起来比较难，但是无背景无干扰，仔细分析后发现字符并不粘连，先对其二值化，然后用直方图分割出字符，建立字符样本库，由于字符扭曲，因此需要建立较多的样本
[attach]18486[/attach] [attach]18484[/attach] [attach]18485[/attach]
验证码分析：有背景，线条，杂点干扰，字符规则无粘连
这种验证码乍看之下很简单，难点在于把前景和背景分离，经过一段时间的试验，难以找到前景和背景的通用差异，也就是说不能通过颜色的差异来去除背景和干扰。但幸好字符在最顶层，字符的颜色没有被干扰，字符也没有粘连，这个时候可以通过连通分割来获取图片中同一颜色连通的色块，通过限制条件过滤掉非字符的色块，剩下的就是字符的图片，然后建立样本库，字符规则，只有数字，少量的样本能达到几乎100%的识别率
[attach]18491[/attach]
验证码分析：杂点线条干扰，字符粘连
对于粘连的验证码的识别通常都很头疼，但是这种验证码由于它每个字符颜色不一样，于是可以通过颜色连通来分割出四个字符，然后再训练样本库，不过由于杂点的干扰，有时候不能很好的分割，也由于字符的大小形状差异，所以识别率不能达到100%，训练了40个样本测试，识别率能达到80%左右，如果能训练较多样本的话预计能达到95%以上的识别率
[attach]18483[/attach]
验证码分析：背景+线条干扰
这个看起来比较难，线条难以清除，但处理方法跟第4种一样，再次不再叙述了
[attach]18482[/attach]
验证码分析：线条杂点杂乱
此验证码的纯黑背景容易去掉，但是干扰线和杂点难以去掉，而且干扰线是在字符上面的，盖住了字符的颜色，人眼看起来都吃力。这种情况干脆不把线条去掉了，只去掉黑色背景，二值化，手工裁剪建立训练字符，通过整体识别算法进行匹配，简单训练了14个样本，识别率达到了80%，预计样本多一点的话识别率能达到96%以上
[attach]18489[/attach]
验证码分析：杂点干扰，字符粘连
杂点背景容易去掉，但是粘连就不好解决了，，只能手工一个个裁剪字符添加样本，再通过整体识别来识别了，由于字符选择和杂点干扰，还有边缘锯齿，需要训练大量的样本，测试中训练了654个样本，取得了75%左右的识别率，如果训练样本足够大，估计能90%以上识别率

互联网上的验证码还有很多，有些比上面所述的复杂而且困难，如腾讯，网易，新浪的验证码，那些验证码的难度极高，不同高手有不同的方法，本人水平有限，在此不误人子弟了。

接下来我会发布一系列实例教程，主要是上面验证码的详细识别过程，希望大家喜欢

本人自写的验证码识别工具已经发布，欢迎大家使用
【KT插件】通用验证码识别工具，功能强大，使用简单
http://bbs.tyuyan.com/forum.php?mod=viewthread&tid=47688&fromuid=179021

作者: 东月山 时间: 2014-12-17 10:45
多谢楼主分享~

作者: le2012 时间: 2014-12-17 18:39
非常需要

作者: sunlizhu 时间: 2015-1-19 14:55
谈网页验证码的种类与识别

欢迎光临 TC官方合作论坛 (http://bbs.52tc.co/)