驗(yàn)證碼識(shí)別原理探討

聞宏強(qiáng)　周華　陸澄澹　季永煒

摘 要

隨著國(guó)內(nèi)一些大型網(wǎng)站頻頻突破驗(yàn)證碼防護(hù)，本文試圖通過(guò)闡述驗(yàn)證碼基本知識(shí)、二值化處理、字符分割、字庫(kù)校正等內(nèi)容，使網(wǎng)站開(kāi)發(fā)人員能更好的了解攻擊者的常用技術(shù)，并幫助設(shè)計(jì)出更好的驗(yàn)證碼，以此來(lái)提高網(wǎng)站驗(yàn)證碼的整體水平。

【關(guān)鍵詞】驗(yàn)證碼 識(shí)別 字符分割 二值化

1 驗(yàn)證碼概念

驗(yàn)證碼是一種區(qū)分用戶(hù)是計(jì)算機(jī)還是人的公共全自動(dòng)程序，可以防止惡意破解密碼、刷票、論壇灌水，可有效防止某個(gè)黑客對(duì)某一個(gè)特定注冊(cè)用戶(hù)用特定程序暴力破解方式進(jìn)行不斷的登陸嘗試。

2 驗(yàn)證碼識(shí)別流程

驗(yàn)證碼識(shí)別包括：圖像采集、圖像預(yù)處理、圖像分割、樣本訓(xùn)練、圖像識(shí)別等內(nèi)容。驗(yàn)證碼圖像采集就是直接通過(guò)HTTP抓取HTML，然后分析出圖片的URL，進(jìn)行保存或下載。圖像預(yù)處理就是對(duì)圖像進(jìn)行去噪、二值化處理，找出文字所在的區(qū)域。圖像分割就是對(duì)特定區(qū)域包括的文字進(jìn)行分割。樣本訓(xùn)練就是通過(guò)人工挑選具有代表性的圖片進(jìn)行學(xué)習(xí)和訓(xùn)練。圖像識(shí)別對(duì)待輸入的圖片進(jìn)行識(shí)別，驗(yàn)證算法或程序的可靠性。

2.1 圖像采集

以C#代碼為列獲取驗(yàn)證碼圖片內(nèi)容信息，其中mshtml命名空間能對(duì)WebBrowser空間內(nèi)容進(jìn)行讀取，具體代碼如下：

using mshtml；

private Image GetWebImage（WebBrowser WebCtl， HtmlElement ImgeTag）

{

HTMLDocument doc = （HTMLDocument）WebCtl.Document.DomDocument；

HTMLBody body = （HTMLBody）doc.body；

IHTMLControlRange rang = （IHTMLControlRange）body.createControlRange（）；

IHTMLControlElement Img = （IHTMLControlElement）ImgeTag.DomElement； //圖片地址

Image oldImage = Clipboard.GetImage（）；

rang.add（Img）；

rang.execCommand（"Copy"， false， null）； //拷貝到內(nèi)存

Image numImage = Clipboard.GetImage（）；

try

{Clipboard.SetImage（oldImage）；

}

catch

{

}

return numImage；

}

2.2 類(lèi)間方差閥值二值化處理

設(shè)原始灰度圖像灰度級(jí)為L(zhǎng)，灰度級(jí)i的像素點(diǎn)為ni，則圖像的全部像素?cái)?shù)為N=n0+n1+…nL-1歸一化直方圖，則 ，按灰度級(jí)用閥值t劃分為兩類(lèi)：C0=（0，…，t），C1=（t+1，t+2，…，L-1），因此C0和C1類(lèi)的出現(xiàn)概率及均值可轉(zhuǎn)化為：

（1）

（2）

（3）

（4）

其中：

（5）

（6）

對(duì)任何t值，下式都能成立

w0?0+w1?1=?T，

w0+w1=1，

C0和C1類(lèi)的方差可由下式求得：

（7）

（8）

定義類(lèi)內(nèi)方差為

（9）

類(lèi)間方差為

（10）

總體方差為

（11）

引入下列關(guān)于t的等價(jià)的判決準(zhǔn)則：

（12）

（13）

（14）

這三個(gè)準(zhǔn)則是彼此等效的，把使 C0和C1兩類(lèi)得到最佳分離的t值作為最佳閥值，因此將A（t），B（t），C（t）定為最大判決準(zhǔn)則。由于是基于二階統(tǒng)計(jì)特性，而是基于一階統(tǒng)計(jì)特性，和 是閥值t的函數(shù)，而 與t值無(wú)關(guān)，因此三個(gè)準(zhǔn)則中B（t）最為簡(jiǎn)單，所以閥值t*：。

2.3 中值濾波去除干擾點(diǎn)

中值濾波的主要功能是讓周?chē)袼鼗叶戎档牟畋容^大的像素改取與周?chē)袼刂迪嘟闹担瑥亩梢韵铝⒌脑肼朁c(diǎn)。工作步驟為：

（1）將模板（3*3矩陣）在二值化圖中漫游，并將模板中心與圖中的某個(gè)像素位置重合；

（2）讀取模板下各對(duì)應(yīng)像素的灰度值（0或1）；

（3）如果中心點(diǎn)為1，周?chē)闹転?，則將孤立亮點(diǎn)設(shè)為0（噪音）。

2.4 直方圖投影字符分割

圖像灰度級(jí)范圍為0，1，…，t-1，設(shè)灰度級(jí)i的像素?cái)?shù)為ni，則一副圖像的總像素N為：

N= （15）

灰度級(jí)出現(xiàn)的概率定義為

Pi= （16）

如果灰度級(jí)直方圖出現(xiàn)明顯的雙峰狀，則選取兩峰之間的谷底所對(duì)應(yīng)的灰度級(jí)作為閥值。

2.5 樣本訓(xùn)練和識(shí)別

Tesseract的OCR開(kāi)源引擎是業(yè)內(nèi)最準(zhǔn)確的三款識(shí)別引擎之一，具有豐富的公共識(shí)別庫(kù)，也可根據(jù)需要進(jìn)行個(gè)人樣本庫(kù)的建設(shè)。

同時(shí)支持java、.NET、PHP、Python等主流語(yǔ)言都有相應(yīng)的封裝類(lèi)庫(kù)。識(shí)別的主要C#代碼如下：

using OCR.TesseractWrapper；

using （Bitmap bitmap = （Bitmap）Image.FromFile（file））

TesseractProcessor processor = new TesseractProcessor（）；

processor.Init（）；

string result=processor.Recognize（newBitmap）；

3 結(jié)束語(yǔ)

通過(guò)對(duì)某些論壇驗(yàn)證碼進(jìn)行試驗(yàn)測(cè)試，發(fā)現(xiàn)對(duì)相對(duì)簡(jiǎn)單驗(yàn)證碼識(shí)別率高達(dá)95%以上；對(duì)一些字符粘連、動(dòng)態(tài)變化的驗(yàn)證碼，識(shí)別率很低，因此在識(shí)別前應(yīng)對(duì)圖片進(jìn)行特殊的處理。同時(shí)建議對(duì)系統(tǒng)安全性要求高的網(wǎng)站驗(yàn)證碼多加入一些識(shí)別率低的噪音如中文，適度旋轉(zhuǎn)，粘連，動(dòng)態(tài)變化等內(nèi)容，以此提高網(wǎng)站的防護(hù)能力。

參考文獻(xiàn)

[1]Rafael C.Gonzalez，Richard E.Woods.數(shù)字圖像處理（第三版）[M].北京：電子工業(yè)出版社，2011.

[2]劉直芳，王運(yùn)瓊，朱敏.數(shù)字圖像處理與分析[M].北京：清華大學(xué)出版社，2006.

[3]Gary Bradski，Adrian Kaehler.Learning OpenCV[M].南京：東南大學(xué)出版社，2009.

[4]盛驟，謝式千，潘承毅.概率論和數(shù)理統(tǒng)計(jì)[M].北京：高等教育出版社，2000.

[5]Watson·K.，Nagel·C，齊立波翻譯.C#入門(mén)經(jīng)典[M].北京：清華大學(xué)出版社，2006.

作者簡(jiǎn)介

聞宏強(qiáng)（1987-），男，浙江建德市人。大學(xué)本科學(xué)歷。現(xiàn)為浙江省電子信息產(chǎn)品檢驗(yàn)所軟件評(píng)測(cè)中心助理工程師。主要研究方向?yàn)樾畔踩?/p>

作者單位

浙江省電子信息產(chǎn)品檢驗(yàn)所 軟件評(píng)測(cè)中心 浙江省杭州市 310007endprint

摘 要

隨著國(guó)內(nèi)一些大型網(wǎng)站頻頻突破驗(yàn)證碼防護(hù)，本文試圖通過(guò)闡述驗(yàn)證碼基本知識(shí)、二值化處理、字符分割、字庫(kù)校正等內(nèi)容，使網(wǎng)站開(kāi)發(fā)人員能更好的了解攻擊者的常用技術(shù)，并幫助設(shè)計(jì)出更好的驗(yàn)證碼，以此來(lái)提高網(wǎng)站驗(yàn)證碼的整體水平。

【關(guān)鍵詞】驗(yàn)證碼 識(shí)別 字符分割 二值化

1 驗(yàn)證碼概念

驗(yàn)證碼是一種區(qū)分用戶(hù)是計(jì)算機(jī)還是人的公共全自動(dòng)程序，可以防止惡意破解密碼、刷票、論壇灌水，可有效防止某個(gè)黑客對(duì)某一個(gè)特定注冊(cè)用戶(hù)用特定程序暴力破解方式進(jìn)行不斷的登陸嘗試。

2 驗(yàn)證碼識(shí)別流程

驗(yàn)證碼識(shí)別包括：圖像采集、圖像預(yù)處理、圖像分割、樣本訓(xùn)練、圖像識(shí)別等內(nèi)容。驗(yàn)證碼圖像采集就是直接通過(guò)HTTP抓取HTML，然后分析出圖片的URL，進(jìn)行保存或下載。圖像預(yù)處理就是對(duì)圖像進(jìn)行去噪、二值化處理，找出文字所在的區(qū)域。圖像分割就是對(duì)特定區(qū)域包括的文字進(jìn)行分割。樣本訓(xùn)練就是通過(guò)人工挑選具有代表性的圖片進(jìn)行學(xué)習(xí)和訓(xùn)練。圖像識(shí)別對(duì)待輸入的圖片進(jìn)行識(shí)別，驗(yàn)證算法或程序的可靠性。

2.1 圖像采集

以C#代碼為列獲取驗(yàn)證碼圖片內(nèi)容信息，其中mshtml命名空間能對(duì)WebBrowser空間內(nèi)容進(jìn)行讀取，具體代碼如下：

using mshtml；

private Image GetWebImage（WebBrowser WebCtl， HtmlElement ImgeTag）

{

HTMLDocument doc = （HTMLDocument）WebCtl.Document.DomDocument；

HTMLBody body = （HTMLBody）doc.body；

IHTMLControlRange rang = （IHTMLControlRange）body.createControlRange（）；

IHTMLControlElement Img = （IHTMLControlElement）ImgeTag.DomElement； //圖片地址

Image oldImage = Clipboard.GetImage（）；

rang.add（Img）；

rang.execCommand（"Copy"， false， null）； //拷貝到內(nèi)存

Image numImage = Clipboard.GetImage（）；

try

{Clipboard.SetImage（oldImage）；

}

catch

{

}

return numImage；

}

2.2 類(lèi)間方差閥值二值化處理

設(shè)原始灰度圖像灰度級(jí)為L(zhǎng)，灰度級(jí)i的像素點(diǎn)為ni，則圖像的全部像素?cái)?shù)為N=n0+n1+…nL-1歸一化直方圖，則 ，按灰度級(jí)用閥值t劃分為兩類(lèi)：C0=（0，…，t），C1=（t+1，t+2，…，L-1），因此C0和C1類(lèi)的出現(xiàn)概率及均值可轉(zhuǎn)化為：

（1）

（2）

（3）

（4）

其中：

（5）

（6）

對(duì)任何t值，下式都能成立

w0?0+w1?1=?T，

w0+w1=1，

C0和C1類(lèi)的方差可由下式求得：

（7）

（8）

定義類(lèi)內(nèi)方差為

（9）

類(lèi)間方差為

（10）

總體方差為

（11）

引入下列關(guān)于t的等價(jià)的判決準(zhǔn)則：

（12）

（13）

（14）

這三個(gè)準(zhǔn)則是彼此等效的，把使 C0和C1兩類(lèi)得到最佳分離的t值作為最佳閥值，因此將A（t），B（t），C（t）定為最大判決準(zhǔn)則。由于是基于二階統(tǒng)計(jì)特性，而是基于一階統(tǒng)計(jì)特性，和 是閥值t的函數(shù)，而 與t值無(wú)關(guān)，因此三個(gè)準(zhǔn)則中B（t）最為簡(jiǎn)單，所以閥值t*：。

2.3 中值濾波去除干擾點(diǎn)

中值濾波的主要功能是讓周?chē)袼鼗叶戎档牟畋容^大的像素改取與周?chē)袼刂迪嘟闹担瑥亩梢韵铝⒌脑肼朁c(diǎn)。工作步驟為：

（1）將模板（3*3矩陣）在二值化圖中漫游，并將模板中心與圖中的某個(gè)像素位置重合；

（2）讀取模板下各對(duì)應(yīng)像素的灰度值（0或1）；

（3）如果中心點(diǎn)為1，周?chē)闹転?，則將孤立亮點(diǎn)設(shè)為0（噪音）。

2.4 直方圖投影字符分割

圖像灰度級(jí)范圍為0，1，…，t-1，設(shè)灰度級(jí)i的像素?cái)?shù)為ni，則一副圖像的總像素N為：

N= （15）

灰度級(jí)出現(xiàn)的概率定義為

Pi= （16）

如果灰度級(jí)直方圖出現(xiàn)明顯的雙峰狀，則選取兩峰之間的谷底所對(duì)應(yīng)的灰度級(jí)作為閥值。

2.5 樣本訓(xùn)練和識(shí)別

Tesseract的OCR開(kāi)源引擎是業(yè)內(nèi)最準(zhǔn)確的三款識(shí)別引擎之一，具有豐富的公共識(shí)別庫(kù)，也可根據(jù)需要進(jìn)行個(gè)人樣本庫(kù)的建設(shè)。

同時(shí)支持java、.NET、PHP、Python等主流語(yǔ)言都有相應(yīng)的封裝類(lèi)庫(kù)。識(shí)別的主要C#代碼如下：

using OCR.TesseractWrapper；

using （Bitmap bitmap = （Bitmap）Image.FromFile（file））

TesseractProcessor processor = new TesseractProcessor（）；

processor.Init（）；

string result=processor.Recognize（newBitmap）；

3 結(jié)束語(yǔ)

通過(guò)對(duì)某些論壇驗(yàn)證碼進(jìn)行試驗(yàn)測(cè)試，發(fā)現(xiàn)對(duì)相對(duì)簡(jiǎn)單驗(yàn)證碼識(shí)別率高達(dá)95%以上；對(duì)一些字符粘連、動(dòng)態(tài)變化的驗(yàn)證碼，識(shí)別率很低，因此在識(shí)別前應(yīng)對(duì)圖片進(jìn)行特殊的處理。同時(shí)建議對(duì)系統(tǒng)安全性要求高的網(wǎng)站驗(yàn)證碼多加入一些識(shí)別率低的噪音如中文，適度旋轉(zhuǎn)，粘連，動(dòng)態(tài)變化等內(nèi)容，以此提高網(wǎng)站的防護(hù)能力。

參考文獻(xiàn)

[1]Rafael C.Gonzalez，Richard E.Woods.數(shù)字圖像處理（第三版）[M].北京：電子工業(yè)出版社，2011.

[2]劉直芳，王運(yùn)瓊，朱敏.數(shù)字圖像處理與分析[M].北京：清華大學(xué)出版社，2006.

[3]Gary Bradski，Adrian Kaehler.Learning OpenCV[M].南京：東南大學(xué)出版社，2009.

[4]盛驟，謝式千，潘承毅.概率論和數(shù)理統(tǒng)計(jì)[M].北京：高等教育出版社，2000.

[5]Watson·K.，Nagel·C，齊立波翻譯.C#入門(mén)經(jīng)典[M].北京：清華大學(xué)出版社，2006.

作者簡(jiǎn)介

聞宏強(qiáng)（1987-），男，浙江建德市人。大學(xué)本科學(xué)歷。現(xiàn)為浙江省電子信息產(chǎn)品檢驗(yàn)所軟件評(píng)測(cè)中心助理工程師。主要研究方向?yàn)樾畔踩?/p>

作者單位

浙江省電子信息產(chǎn)品檢驗(yàn)所 軟件評(píng)測(cè)中心 浙江省杭州市 310007endprint

摘 要

隨著國(guó)內(nèi)一些大型網(wǎng)站頻頻突破驗(yàn)證碼防護(hù)，本文試圖通過(guò)闡述驗(yàn)證碼基本知識(shí)、二值化處理、字符分割、字庫(kù)校正等內(nèi)容，使網(wǎng)站開(kāi)發(fā)人員能更好的了解攻擊者的常用技術(shù)，并幫助設(shè)計(jì)出更好的驗(yàn)證碼，以此來(lái)提高網(wǎng)站驗(yàn)證碼的整體水平。

【關(guān)鍵詞】驗(yàn)證碼 識(shí)別 字符分割 二值化

1 驗(yàn)證碼概念

驗(yàn)證碼是一種區(qū)分用戶(hù)是計(jì)算機(jī)還是人的公共全自動(dòng)程序，可以防止惡意破解密碼、刷票、論壇灌水，可有效防止某個(gè)黑客對(duì)某一個(gè)特定注冊(cè)用戶(hù)用特定程序暴力破解方式進(jìn)行不斷的登陸嘗試。

2 驗(yàn)證碼識(shí)別流程

驗(yàn)證碼識(shí)別包括：圖像采集、圖像預(yù)處理、圖像分割、樣本訓(xùn)練、圖像識(shí)別等內(nèi)容。驗(yàn)證碼圖像采集就是直接通過(guò)HTTP抓取HTML，然后分析出圖片的URL，進(jìn)行保存或下載。圖像預(yù)處理就是對(duì)圖像進(jìn)行去噪、二值化處理，找出文字所在的區(qū)域。圖像分割就是對(duì)特定區(qū)域包括的文字進(jìn)行分割。樣本訓(xùn)練就是通過(guò)人工挑選具有代表性的圖片進(jìn)行學(xué)習(xí)和訓(xùn)練。圖像識(shí)別對(duì)待輸入的圖片進(jìn)行識(shí)別，驗(yàn)證算法或程序的可靠性。

2.1 圖像采集

以C#代碼為列獲取驗(yàn)證碼圖片內(nèi)容信息，其中mshtml命名空間能對(duì)WebBrowser空間內(nèi)容進(jìn)行讀取，具體代碼如下：

using mshtml；

private Image GetWebImage（WebBrowser WebCtl， HtmlElement ImgeTag）

{

HTMLDocument doc = （HTMLDocument）WebCtl.Document.DomDocument；

HTMLBody body = （HTMLBody）doc.body；

IHTMLControlRange rang = （IHTMLControlRange）body.createControlRange（）；

IHTMLControlElement Img = （IHTMLControlElement）ImgeTag.DomElement； //圖片地址

Image oldImage = Clipboard.GetImage（）；

rang.add（Img）；

rang.execCommand（"Copy"， false， null）； //拷貝到內(nèi)存

Image numImage = Clipboard.GetImage（）；

try

{Clipboard.SetImage（oldImage）；

}

catch

{

}

return numImage；

}

2.2 類(lèi)間方差閥值二值化處理

設(shè)原始灰度圖像灰度級(jí)為L(zhǎng)，灰度級(jí)i的像素點(diǎn)為ni，則圖像的全部像素?cái)?shù)為N=n0+n1+…nL-1歸一化直方圖，則 ，按灰度級(jí)用閥值t劃分為兩類(lèi)：C0=（0，…，t），C1=（t+1，t+2，…，L-1），因此C0和C1類(lèi)的出現(xiàn)概率及均值可轉(zhuǎn)化為：

（1）

（2）

（3）

（4）

其中：

（5）

（6）

對(duì)任何t值，下式都能成立

w0?0+w1?1=?T，

w0+w1=1，

C0和C1類(lèi)的方差可由下式求得：

（7）

（8）

定義類(lèi)內(nèi)方差為

（9）

類(lèi)間方差為

（10）

總體方差為

（11）

引入下列關(guān)于t的等價(jià)的判決準(zhǔn)則：

（12）

（13）

（14）

這三個(gè)準(zhǔn)則是彼此等效的，把使 C0和C1兩類(lèi)得到最佳分離的t值作為最佳閥值，因此將A（t），B（t），C（t）定為最大判決準(zhǔn)則。由于是基于二階統(tǒng)計(jì)特性，而是基于一階統(tǒng)計(jì)特性，和 是閥值t的函數(shù)，而 與t值無(wú)關(guān)，因此三個(gè)準(zhǔn)則中B（t）最為簡(jiǎn)單，所以閥值t*：。

2.3 中值濾波去除干擾點(diǎn)

中值濾波的主要功能是讓周?chē)袼鼗叶戎档牟畋容^大的像素改取與周?chē)袼刂迪嘟闹担瑥亩梢韵铝⒌脑肼朁c(diǎn)。工作步驟為：

（1）將模板（3*3矩陣）在二值化圖中漫游，并將模板中心與圖中的某個(gè)像素位置重合；

（2）讀取模板下各對(duì)應(yīng)像素的灰度值（0或1）；

（3）如果中心點(diǎn)為1，周?chē)闹転?，則將孤立亮點(diǎn)設(shè)為0（噪音）。

2.4 直方圖投影字符分割

圖像灰度級(jí)范圍為0，1，…，t-1，設(shè)灰度級(jí)i的像素?cái)?shù)為ni，則一副圖像的總像素N為：

N= （15）

灰度級(jí)出現(xiàn)的概率定義為

Pi= （16）

如果灰度級(jí)直方圖出現(xiàn)明顯的雙峰狀，則選取兩峰之間的谷底所對(duì)應(yīng)的灰度級(jí)作為閥值。

2.5 樣本訓(xùn)練和識(shí)別

Tesseract的OCR開(kāi)源引擎是業(yè)內(nèi)最準(zhǔn)確的三款識(shí)別引擎之一，具有豐富的公共識(shí)別庫(kù)，也可根據(jù)需要進(jìn)行個(gè)人樣本庫(kù)的建設(shè)。

同時(shí)支持java、.NET、PHP、Python等主流語(yǔ)言都有相應(yīng)的封裝類(lèi)庫(kù)。識(shí)別的主要C#代碼如下：

using OCR.TesseractWrapper；

using （Bitmap bitmap = （Bitmap）Image.FromFile（file））

TesseractProcessor processor = new TesseractProcessor（）；

processor.Init（）；

string result=processor.Recognize（newBitmap）；

3 結(jié)束語(yǔ)

通過(guò)對(duì)某些論壇驗(yàn)證碼進(jìn)行試驗(yàn)測(cè)試，發(fā)現(xiàn)對(duì)相對(duì)簡(jiǎn)單驗(yàn)證碼識(shí)別率高達(dá)95%以上；對(duì)一些字符粘連、動(dòng)態(tài)變化的驗(yàn)證碼，識(shí)別率很低，因此在識(shí)別前應(yīng)對(duì)圖片進(jìn)行特殊的處理。同時(shí)建議對(duì)系統(tǒng)安全性要求高的網(wǎng)站驗(yàn)證碼多加入一些識(shí)別率低的噪音如中文，適度旋轉(zhuǎn)，粘連，動(dòng)態(tài)變化等內(nèi)容，以此提高網(wǎng)站的防護(hù)能力。

參考文獻(xiàn)

[1]Rafael C.Gonzalez，Richard E.Woods.數(shù)字圖像處理（第三版）[M].北京：電子工業(yè)出版社，2011.

[2]劉直芳，王運(yùn)瓊，朱敏.數(shù)字圖像處理與分析[M].北京：清華大學(xué)出版社，2006.

[3]Gary Bradski，Adrian Kaehler.Learning OpenCV[M].南京：東南大學(xué)出版社，2009.

[4]盛驟，謝式千，潘承毅.概率論和數(shù)理統(tǒng)計(jì)[M].北京：高等教育出版社，2000.

[5]Watson·K.，Nagel·C，齊立波翻譯.C#入門(mén)經(jīng)典[M].北京：清華大學(xué)出版社，2006.

作者簡(jiǎn)介

聞宏強(qiáng)（1987-），男，浙江建德市人。大學(xué)本科學(xué)歷。現(xiàn)為浙江省電子信息產(chǎn)品檢驗(yàn)所軟件評(píng)測(cè)中心助理工程師。主要研究方向?yàn)樾畔踩?/p>

作者單位

浙江省電子信息產(chǎn)品檢驗(yàn)所 軟件評(píng)測(cè)中心 浙江省杭州市 310007endprint