摘要：目前花費(fèi)了兩分鐘。我這地方使用卷積神經(jīng)網(wǎng)絡(luò)，。這地方對(duì)卷積神經(jīng)網(wǎng)絡(luò)算法就不做詳細(xì)介紹，感興趣的同學(xué)，可以學(xué)習(xí)一下。

??很多開發(fā)者都討厭網(wǎng)站的驗(yàn)證碼，特別是寫網(wǎng)絡(luò)爬蟲的程序員，而網(wǎng)站之所以設(shè)置驗(yàn)證碼，是為了防止機(jī)器人訪問網(wǎng)站，造成不必要的損失。現(xiàn)在好了，隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，機(jī)器識(shí)別驗(yàn)證碼的問題比較好解決了。

??這里我們采用wordpress的Really Simple CAPTCHA生成驗(yàn)證碼的插件，之所以選擇這個(gè)插件，一個(gè)是它的安裝量很大，二個(gè)是因?yàn)樗情_源的，我們可以利用它批量的生成驗(yàn)證碼圖片。

??我們通過demo網(wǎng)站得知，Really Simple CAPTCHA生成的是包含4個(gè)數(shù)字或者字母的圖片，通過閱讀源碼得知，這個(gè)插件還屏蔽了O和I這兩個(gè)比較容易混淆的字母，也就是說，還剩下32個(gè)字符，看來可以完成。
??目前花費(fèi)了兩分鐘。

??我們要用到以下的工具和庫(kù)。

python3

opencv

keras

tensorflow

??為了達(dá)到目的，我們首先要準(zhǔn)備樣本集，樣本如下：

使用Really Simple CAPTCHA插件的源碼，我們很方便的批量生成10000個(gè)驗(yàn)證碼圖片和對(duì)應(yīng)的結(jié)果，待我們生成完成后，大概如下：

這地方大家可以根據(jù)自己的實(shí)際情況修改Really Simple CAPTCHA插件的源碼，來生成自己想要的樣本集。如果你覺著麻煩，也可以下載我生成好的。

??目前為止，我們花了五分鐘。

??我們現(xiàn)在有了樣本集了，我們可以直接那圖片和對(duì)應(yīng)的結(jié)果直接進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

只要我們的樣本夠多，最終也能達(dá)到我們想要的效果。

??但我們也可以采用更好的訓(xùn)練方法，這個(gè)訓(xùn)練方法使用更少的樣本數(shù)據(jù)，但是結(jié)果要比直接訓(xùn)練的方法好很多，我想你已經(jīng)猜到了，這個(gè)方法就是把圖片中的四個(gè)字符切割開，形成四個(gè)樣本。這方法之所以可行，是因?yàn)樗械尿?yàn)證碼圖片都是4個(gè)字符的。

??10000張圖片，一張一張手動(dòng)用PS去切割，肯定不現(xiàn)實(shí)，而且由于圖片的橫向排列并不是等間距的，字符間的距離大小不一致，手動(dòng)切割肯定不可能了。

??其實(shí)我們只要畫出一個(gè)矩形，保證矩形框里只有字符就可以，然后從圖片中切出這樣的一個(gè)矩形，就形成了一個(gè)單個(gè)字符的圖片樣本。幸運(yùn)的是，這個(gè)操作opencv已經(jīng)幫我們實(shí)現(xiàn)了，opencv有個(gè)函數(shù)叫做findContours()，可以按照同樣色值的區(qū)域裁剪我們想要的矩形。

首先準(zhǔn)備一個(gè)圖片：

轉(zhuǎn)換圖片為黑白色。這樣有字符的地方為黑色，空白為白色，便于opencv裁剪。

-接下來我們用opencv的findContours函數(shù)切割圖片。

??接下來，我們就把圖片從左到右進(jìn)行切割，并存儲(chǔ)切割后的圖片，以及圖片對(duì)應(yīng)的字符。但是實(shí)際操作的過程中，我發(fā)現(xiàn)一個(gè)問題，就是有時(shí)候兩個(gè)字符靠的太近，導(dǎo)致opencv在切割的時(shí)候，把兩個(gè)字符切割刀一個(gè)圖片里了，比如：

切割完的效果是：

如果不解決這個(gè)問題，我們的樣本集就不準(zhǔn)了，那訓(xùn)練出來的模型也就不可能正確了。我的解決方法是，首先設(shè)置一個(gè)字符寬最大的像素，如果超過這個(gè)像素，則認(rèn)為一個(gè)圖片中包含了兩個(gè)字符，然后我們選擇把這個(gè)圖片對(duì)半切割，分成兩個(gè)字符。例如：

好，我們現(xiàn)在得到了一個(gè)驗(yàn)證碼圖片對(duì)應(yīng)的4個(gè)字符的圖片，現(xiàn)在我們把所有的樣本圖片都切割好，然后，把相同的字符對(duì)應(yīng)的圖片放到一個(gè)文件夾，這么做的目的是盡量多的找出同一個(gè)字符的多種樣式。結(jié)果如下：

??到目前為止，我花了10分鐘。

??因?yàn)槲覀冎皇亲R(shí)別圖片對(duì)應(yīng)的數(shù)字或者字母，所以我們不需要特別復(fù)雜的神經(jīng)網(wǎng)絡(luò)算法。識(shí)別字符比識(shí)別小貓小狗的簡(jiǎn)單多了。
??我這地方使用卷積神經(jīng)網(wǎng)絡(luò)，two convolutional layers and two fully-connected layers。

這地方對(duì)卷積神經(jīng)網(wǎng)絡(luò)算法就不做詳細(xì)介紹，感興趣的同學(xué)，可以google學(xué)習(xí)一下。
??訓(xùn)練完成后，我們需要測(cè)試一下。15分鐘花完。

整個(gè)過程看起來很簡(jiǎn)單：

從使用我們上述提到的插件的wordpress網(wǎng)站上下載驗(yàn)證碼圖片

把圖片切割成包含單個(gè)字符的小圖片

使用神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模型

預(yù)測(cè)新的驗(yàn)證碼圖片對(duì)應(yīng)的字符

下面是我的測(cè)試：

你可以從這得到完整的代碼和示例圖片，你可以參照README來運(yùn)行相關(guān)的程序。

英文原文

下載代碼