原標題：中文項目：快速識別驗證碼，CNN也能為爬蟲保駕護航

機器之心專欄

作者：Nick Li

隨著卷積網絡的推廣，現在有各種各樣的快捷應用，例如識別驗證碼和數學公式等。本文介紹了一個便捷的驗證碼識別項目，讀者可以借助它快速訓練模型與識別驗證碼。

本項目使用卷積神經網絡識別字符型圖片驗證碼，其基于 TensorFlow 框架。它封裝了非常通用的校驗、訓練、驗證、識別和調用 API，極大地減低了識別字符型驗證碼花費的時間和精力。

項目地址：https://github.com/nickliqian/cnn_captcha

1 項目介紹

1.1 關于驗證碼識別

驗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的圖像處理和機器學習算法，它們都涉及多種技術：

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

機器學習

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，經常花費很多時間去調整處理步驟和相關算法。

而使用卷積神經網絡，只需要通過簡單的前處理，就可以實現大部分靜態字符型驗證碼的端到端識別，效果很好、通用性很高。

這里列出目前常用的驗證碼生成庫：

1.2 目錄結構

1.3 依賴項

tensorflow

flask

requests

PIL

matplotlib

pip3install tensorflow flask requests PIL matplotlib

1.4 模型結構

2 如何使用

2.1 數據集

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

2.2 配置文件

創建一個新項目前，需要自行修改相關配置文件：

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/"# 訓練好的模型儲存路徑

# 圖片相關參數

sample_conf.image_width = 80 # 圖片寬度

sample_conf.image_height = 40 # 圖片高度

sample_conf.max_captcha = 4 # 驗證碼字符個數

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

# 驗證碼字符相關參數

# 驗證碼識別結果類別

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']

# 驗證碼遠程鏈接

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

具體配置的作用會在使用相關腳本的過程中提到。

2.3 驗證和拆分數據集

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

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

python3verify_and_split_data.py

2.4 訓練模型

創建好訓練集和測試集之后，就可以開始訓練模型了，這里不具體介紹 tensorflow 安裝相關問題，讀者可查看官網。確保圖片相關參數和目錄設置正確后，執行以下命令開始訓練：

python3train_model.py

也可以調用類開始訓練或執行一次簡單的識別演示：

from train_model import TrainModel

from sample import sample_conf

# 導入配置

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() # 執行訓練

tm.recognize_captcha() # 識別演示

2.5 批量驗證

使用測試集的圖片進行驗證，輸出準確率。

python3test_batch.py

也可以調用類進行驗證：

from test_batch import TestBatch

from sample import sample_conf

# 導入配置

test_image_dir = sample_conf[ "test_image_dir"]

model_save_dir = sample_conf[ "model_save_dir"]

char_set = sample_conf[ "char_set"]

total = 100 # 驗證的圖片總量

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

tb.test_batch() # 開始驗證

2.6 啟動 WebServer

項目已經封裝好加載模型和識別圖片的類，啟動 web server 后調用接口就可以使用識別服務。啟動 web server：

python3recognize_api.py

接口 url 為 http://127.0.0.1:6000/b

2.7 調用接口

使用 requests 調用接口:

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)

返回的結果是一個 json：

{

'time': '1542017705.9152594',

'value': 'jsp1',

}

文件 recognize_online.py 是使用接口在線識別的例子。

本文為機器之心專欄，轉載請聯系本公眾號獲得授權。返回搜狐，查看更多

責任編輯：

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。