[发明专利]图片验证码识别方法及装置、电子设备和计算机可读介质

说明书

本发明公开了一种图片验证码识别方法及装置、电子设备和计算机可读介质，图片验证码识别方法包括以下步骤：获取原始图片，原始图片为原始的验证码图片，验证码图片包含若干字符；对原始图片进行预处理；获取原始图片中单个字符对应的图片，标记成样本；构建卷积神经网络模型；采用样本训练卷积神经网络模型，以使得卷积神经网络模型输出对样本的预测值且输出预测值的准确率大于准确率阈值；采用训练后的卷积神经网络模型识别图片验证码。本发明通过有效的卷积神经网络模型来自动识别并预测图片验证码，从而极大地提升了图片字的识别准确率和识别效率，而且极大地降低了成本和响应时间。

技术领域

本发明涉及机器学习技术领域，特别涉及一种基于卷积神经网络模型的图片验证码识别方法及装置、电子设备和计算机可读介质。

背景技术

目前，图片验证码在网站注册、登陆等情况下得到广泛应用，使用时，图片验证码中通常显示有若干字符(如4个，包括数字、字母等)，通过验证用户输入的字符与图片验证码中显示的字符是否一致，来决定用户是否具有注册、登陆网站等权限。现阶段，传统的验证码识别方案有：

(1)人工识别，利用人力识别出图片验证码中的字符，这种方案的缺点是费时费力，人力成本大；

(2)采用传统的图片识别技术，对图片验证码进行图像处理、通过计算字符相似度等手段识别字符，这种方案的缺点是成功率低，耗时长。

发明内容

本发明要解决的技术问题是为了克服现有技术中采用人工识别图片验证码而导致费时费力、人力成本大，且采用传统的图片识别技术识别图片验证码而导致成功率低、耗时长的缺陷，提供一种图片验证码识别方法及装置、电子设备和计算机可读介质。

本发明是通过下述技术方案来解决上述技术问题：

一种图片验证码识别方法，包括以下步骤：

获取原始图片，所述原始图片为原始的验证码图片，所述验证码图片包含若干字符；

对所述原始图片进行预处理；

获取所述原始图片中单个字符对应的图片，标记成样本；

构建卷积神经网络模型；

采用所述样本训练所述卷积神经网络模型，以使得所述卷积神经网络模型输出对所述样本的预测值且输出所述预测值的准确率大于准确率阈值；

采用训练后的卷积神经网络模型识别图片验证码。

可选地，对所述原始图片进行预处理的步骤包括：

将所述原始图片转化为灰度图片；

对所述灰度图片二值化，以区分所述灰度图片中的有效信息和无效信息；

将二值化后的灰度图片分割成单个字符对应的图片。

可选地，将二值化后的灰度图片分割成单个字符对应的图片的步骤包括：

腐蚀：将所述灰度图片中的有效信息用255填充；

垂直投影统计每列有效像素个数；

遍历图片宽度，根据每列像素个数动态设定阈值，获取水平位置分割点；

分割字符；

判断分割后的字符宽度是否大于字符宽度阈值，若是，则继续分割，直至分割后的字符宽度小于或等于所述字符宽度阈值，所述字符宽度阈值等于字符平均宽度加上随机值，所述字符平均宽度等于所述原始图片的宽度除以所包含的字符总数。

可选地，所述卷积神经网络模型包括3个卷积层、4个激活函数、3个池化层、4个权值衰减层和2个全连接层中的任意一种或多种。