原標(biāo)題：中文項(xiàng)目：快速識別驗(yàn)證碼，CNN也能為爬蟲保駕護(hù)航

機(jī)器之心專欄

作者：Nick Li

隨著卷積網(wǎng)絡(luò)的推廣，現(xiàn)在有各種各樣的快捷應(yīng)用，例如識別驗(yàn)證碼和數(shù)學(xué)公式等。本文介紹了一個(gè)便捷的驗(yàn)證碼識別項(xiàng)目，讀者可以借助它快速訓(xùn)練模型與識別驗(yàn)證碼。

本項(xiàng)目使用卷積神經(jīng)網(wǎng)絡(luò)識別字符型圖片驗(yàn)證碼，其基于 TensorFlow 框架。它封裝了非常通用的校驗(yàn)、訓(xùn)練、驗(yàn)證、識別和調(diào)用 API，極大地減低了識別字符型驗(yàn)證碼花費(fèi)的時(shí)間和精力。

項(xiàng)目地址：https://github.com/nickliqian/cnn_captcha

1 項(xiàng)目介紹

1.1 關(guān)于驗(yàn)證碼識別

驗(yàn)證碼識別大多是爬蟲會遇到的問題，也可以作為圖像識別的入門案例。這里介紹一下使用傳統(tǒng)的圖像處理和機(jī)器學(xué)習(xí)算法，它們都涉及多種技術(shù)：

圖像處理

前處理(灰度化、二值化)

圖像分割

裁剪(去邊框)

圖像濾波、降噪

去背景

顏色分離

旋轉(zhuǎn)

機(jī)器學(xué)習(xí)

KNN

SVM

使用這類方法對使用者的要求較高，且由于圖片的變化類型較多，處理的方法不夠通用，經(jīng)?；ㄙM(fèi)很多時(shí)間去調(diào)整處理步驟和相關(guān)算法。

而使用卷積神經(jīng)網(wǎng)絡(luò)，只需要通過簡單的前處理，就可以實(shí)現(xiàn)大部分靜態(tài)字符型驗(yàn)證碼的端到端識別，效果很好、通用性很高。

這里列出目前常用的驗(yàn)證碼生成庫：

1.2 目錄結(jié)構(gòu)

1.3 依賴項(xiàng)

tensorflow

flask

requests

PIL

matplotlib

pip3install tensorflow flask requests PIL matplotlib

1.4 模型結(jié)構(gòu)

2 如何使用

2.1 數(shù)據(jù)集

原始數(shù)據(jù)集可以存放在./sample/origin 目錄中，為了便于處理，圖片最好以 2e8j_17322d3d4226f0b5c5a71d797d2ba7f7.jpg 格式命名(標(biāo)簽_序列號. 后綴)。

2.2 配置文件

創(chuàng)建一個(gè)新項(xiàng)目前，需要自行修改相關(guān)配置文件：

圖片文件夾

sample_conf.origin_image_dir = "./sample/origin/"# 原始文件

sample_conf.train_image_dir = "./sample/train/"# 訓(xùn)練集

sample_conf.test_image_dir = "./sample/test/"# 測試集

sample_conf.api_image_dir = "./sample/api/"# api接收的圖片儲存路徑

sample_conf.online_image_dir = "./sample/online/"# 從驗(yàn)證碼url獲取的圖片的儲存路徑

# 模型文件夾

sample_conf.model_save_dir = "./model/"# 訓(xùn)練好的模型儲存路徑

# 圖片相關(guān)參數(shù)

sample_conf.image_width = 80 # 圖片寬度

sample_conf.image_height = 40 # 圖片高度

sample_conf.max_captcha = 4 # 驗(yàn)證碼字符個(gè)數(shù)

sample_conf.image_suffix = "jpg"# 圖片文件后綴

# 驗(yàn)證碼字符相關(guān)參數(shù)

# 驗(yàn)證碼識別結(jié)果類別

sample_conf.char_set = [ '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i',

'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']

# 驗(yàn)證碼遠(yuǎn)程鏈接

sample_conf.remote_url = "https://www.xxxxx.com/getImg"

具體配置的作用會在使用相關(guān)腳本的過程中提到。

2.3 驗(yàn)證和拆分?jǐn)?shù)據(jù)集

執(zhí)行下面的文件會校驗(yàn)原始圖片集的尺寸和測試圖片是否能打開，并按照 19:1 的比例拆分出訓(xùn)練集和測試集。所以需要分別創(chuàng)建和指定三個(gè)文件夾：origin，train，test 用于存放相關(guān)文件。

也可以修改為不同的目錄，但是最好修改為絕對路徑。文件夾創(chuàng)建好之后，執(zhí)行以下命令即可：

python3verify_and_split_data.py

2.4 訓(xùn)練模型

創(chuàng)建好訓(xùn)練集和測試集之后，就可以開始訓(xùn)練模型了，這里不具體介紹 tensorflow 安裝相關(guān)問題，讀者可查看官網(wǎng)。確保圖片相關(guān)參數(shù)和目錄設(shè)置正確后，執(zhí)行以下命令開始訓(xùn)練：

python3train_model.py

也可以調(diào)用類開始訓(xùn)練或執(zhí)行一次簡單的識別演示：

from train_model import TrainModel

from sample import sample_conf

# 導(dǎo)入配置

train_image_dir = sample_conf[ "train_image_dir"]

char_set = sample_conf[ "char_set"]

model_save_dir = sample_conf[ "model_save_dir"]

tm = TrainModel(train_image_dir, char_set, model_save_dir)

tm.train_cnn() # 執(zhí)行訓(xùn)練

tm.recognize_captcha() # 識別演示

2.5 批量驗(yàn)證

使用測試集的圖片進(jìn)行驗(yàn)證，輸出準(zhǔn)確率。

python3test_batch.py

也可以調(diào)用類進(jìn)行驗(yàn)證：

from test_batch import TestBatch

from sample import sample_conf

# 導(dǎo)入配置

test_image_dir = sample_conf[ "test_image_dir"]

model_save_dir = sample_conf[ "model_save_dir"]

char_set = sample_conf[ "char_set"]

total = 100 # 驗(yàn)證的圖片總量

tb = TestBatch(test_image_dir, char_set, model_save_dir, total)

tb.test_batch() # 開始驗(yàn)證

2.6 啟動(dòng) WebServer

項(xiàng)目已經(jīng)封裝好加載模型和識別圖片的類，啟動(dòng) web server 后調(diào)用接口就可以使用識別服務(wù)。啟動(dòng) web server：

python3recognize_api.py

接口 url 為 http://127.0.0.1:6000/b

2.7 調(diào)用接口

使用 requests 調(diào)用接口:

url= "http://127.0.0.1:6000/b"

files= { 'image_file': (image_file_name, open( 'captcha.jpg', 'rb'), 'application')}

r= requests.post(url=url, files=files)

返回的結(jié)果是一個(gè) json：

{

'time': '1542017705.9152594',

'value': 'jsp1',

}

文件 recognize_online.py 是使用接口在線識別的例子。

本文為機(jī)器之心專欄，轉(zhuǎn)載請聯(lián)系本公眾號獲得授權(quán)。返回搜狐，查看更多

責(zé)任編輯：

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的cnn验证码识别代码_中文项目：快速识别验证码，CNN也能为爬虫保驾护航的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。