[发明专利]一种提取网页中验证码图片的方法

说明书

技术领域

本发明涉及验证码图片识别领域，尤其涉及一种提取网页中验证码图片的方法。

背景技术

验证码是一种区分用户是计算机和人的公共全自动程序。可以防止：恶意破解密码、刷票、论坛灌水，有效防止某个黑客对某一个特定注册用户用特定程序暴力破解方式进行不断的登陆尝试，实际上是用验证码是现在很多网站通行的方式。

验证码，就是将一串随机产生的数字或符号，生成一幅图片，图片里加上一些干扰，例如随机画数条直线，画一些点（防止OCR)，由用户肉眼识别其中的验证码信息，输入表单提交网站验证，验证成功后才能使用某项功能。现在很多软件的应用要提取网页中的验证码图片，由于验证码图片在网页中并没有一个固定的网址链接，并且图片随机生成，对其进行刷新或者保存操作会改变图片内容，因此提取验证码图片是很多需要验证码图片的软件应用（盲人图片验证码服务软件）的一个关键难题。

发明内容

本发明提供了一种提取网页中验证码图片的方法。利用网页中验证码输入框位置、图片位置、图片大小、图片视觉与内容特征、图片关键字等信息，提取网页中验证码图片，本法发明可以为很多需要提取网页验证码图片的软件应用提供便捷。

本发明提供了一种提取网页中验证码图片的方法，包括以下步骤：

1)获取浏览器当前活动页面所有IMG节点信息；

2)根据预先制定的验证码图片评分策略，对IMG节点所包含的图片信息进行评分，评分最高的即为包含验证码图片的IMG节点；

3)如果步骤2)无法获取所有IMG节点，则以验证码输入框为焦点截取其周围的局部图片将验证码图片包含在内；利用预先训练得到的分类检测模型获取验证码图片的具体位置；

4)将验证码图片单独保存。

2.所述的获取浏览器当前活动页面所有IMG节点信息,具体步骤为：

1)确定浏览器当前活动页面；

2)自顶向下，获取活动页面的所有IMG节点信息，IMG节点信息包含了图片位置，图片大小，图片长宽，图片关键字等信息。

3.根据预先制定的验证码图片评分策略，对IMG节点所包含的图片信息进行评分，评分最高的即为包含验证码图片的IMG节点，具体步骤为：

获取浏览器当前活动页面的所有IMG节点的信息，利用预先制定的验证码评分策略对所有的IMG节点的信息进行评分，评分最高的IMG节点即是验证码图片所在的IMG节点。

4.所述的以验证码输入框为焦点截取其周围的局部图片将验证码图片包含在内；利用预先训练得到的分类检测模型获取验证码图片的具体位置，具体步骤为：

1)如果不能获取活动页面的所有IMG节点，则有可能获取不到验证码图片所在的IMG节点。这时，可以以验证码输入框为焦点截取其周围的局部图片将验证码图片包含在内。

2)对局部图片进行处理，根据验证码图片的颜色、纹理梯度特征，利用验证码分类器模型，将其从局部图片中识别出来，并处理成单独的验证码图片。

5.所述的将验证码图片单独保存，具体步骤为：

由于验证码图片的特殊性，对其进行操作有可能会改变图片，因此要采取特殊的保存图片的方式。如果可以获取到所有的IMG节点，则利用验证码评分策略，选择验证码图片所在的IMG节点，可以根据IMG节点中图片的位置信息，进行精确截屏，获得验证码图片；否则，以验证码输入框为焦点截取其周围的局部图片将验证码图片包含在内，利用验证码分类模型将验证码图片所在的矩形区域进行截取，获得验证码图片。

6.对局部图片进行处理，根据验证码图片的颜色、纹理等特征，利用验证码分类器，将其从局部图片中识别出来，并处理成单独的验证码图片，具体步骤为：

1)建立验证码图片的样本空间，提取样本局部颜色、纹理、梯度特征，通过机器学习建立验证码图片分类器模型；

2)对于局部图片，利用滑动窗口模型得到备选矩形区域；

3)对步骤2)生成每一个矩形区域，用步骤1)生成的验证码分类器判断是不是验证码图片，如果是该矩形区域符合验证码图片的特征，则将其从局部图片中截取并单独保存生成验证码图片。

附图说明

图1是本发明一种提取网页中验证码图片的方法的流程图；

具体实施方式

下面将结合本发明中的附图，对本发明的技术方案进行清晰、完整地描述。基于本发明中的实施例，本领域普通技术人员在没有做创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。