驗證碼識別淺談

一、驗證碼的基本知識

　　
　　驗證碼的主要目的是強制人機互動來抵禦機器自動化攻擊的。大部分的驗證碼設計者並不得要領，不瞭解影像處理，機器視覺，模式識別，人工智慧的基本概念。

　　設計的比較好的驗證碼，比如Yahoo,Google,Microsoft等很難識別。而國內Tencent的中文驗證碼雖然難，但算不上好。

 

      某些專家認為，不存在一種用電腦表示的資訊不能被電腦識別的情況，所以，對驗證碼來說，所有驗證碼都是可以識別出來的。

 

二、驗證碼識別處理基本知識

 

人工智慧，模式識別，機器視覺，影像處理的基本知識
　

1)主要流程：

 

　　1.讀取驗證碼映像：把各種驗證碼映像解碼，得到平面座標表示的資料，很多開源庫可以用來做這一步。

　　2.前處理：驗證碼識別的預先處理主要是去除映像上的幹擾，找出字元地區。對於串連在一起的字元，進行分割。對於複雜的驗證碼，分割這一步非常難處理。對於單個字元，OCR技術的識別率還是能達到比較高的。

　　3.訓練：對於模式識別，主要是對樣本進行特徵提取，然後儲存下來。不是訓練的樣本越多越好。過學習，泛化能力差的問題可能在這裡出現。這一步不是必須的，有些識別演算法是不需要訓練的。

　　4.識別：對於模式識別來說，主要是驗證碼字元與訓練的樣本的特徵匹配。
　

2)關鍵概念：

 

　　模式識別：對事物或者現象的某種表示方式（數值，文字，我們這裡主要想說的是數值），通過一些處理和分析，來描述，歸類，理解，解釋這些事物，現象及其某種抽象。

驗證碼識別的難易：

 1、字元間粘連越厲害的驗證碼越難識別

 

 2、幹擾越沒有規律的驗證碼越難識別；

 

 2、字形數目越少越容易識別（一個字元可能有多種字行）

 

 

驗證碼識別的步驟：

 

1、提取驗證碼圖片樣本，構造識別庫；

 

2、對要識別的驗證碼做預先處理（去噪、去幹擾、分割等）；

 

3、識別（與構造的識別庫做比較）；

 

 

   

 http://blog.csdn.net/yzm888

 

 提供驗證碼識別介面/DLL開發服務