《數(shù)字圖像分析與處理》教學(xué)案例庫(kù)之驗(yàn)證碼識(shí)別算法研究與應(yīng)用

劉海英 陳鵬舉 郭俊美 鄧立霞 孫濤 趙陽(yáng)

摘? 要：隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)及驗(yàn)證碼技術(shù)的快速發(fā)展，出現(xiàn)了更多復(fù)雜的驗(yàn)證碼生成辦法，如基于動(dòng)態(tài)圖像的驗(yàn)證碼系統(tǒng)。本案例針對(duì)給定系統(tǒng)的驗(yàn)證碼為研究對(duì)象，提出一種具有針對(duì)性的策略算法，對(duì)比于其它識(shí)別算法，本研究算法的識(shí)別速度、精確均占有一定優(yōu)勢(shì)，具有一定的理論和實(shí)際意義。

關(guān)鍵詞：數(shù)字圖像處理;驗(yàn)證碼;識(shí)別

中圖分類號(hào)：G640? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：2096-000X（2020）27-0087-03

Abstract： With the continuous development of computer network technology and verification code technology， more complicated verification code generation methods have appeared， such as a verification image system based on dynamic images. This case proposes another targeted strategy for the verification code of a given system. Compared with other recognition algorithms， the recognition speed and accuracy of this research algorithm have certain advantages and have certain theoretical and practical significance.

Keywords： digital image processing; verification code; recognition

隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的發(fā)展，網(wǎng)絡(luò)安全逐漸成為了人們關(guān)注的問(wèn)題，驗(yàn)證碼的重要性也日益凸顯。為了更好地防止惡意攻擊、保護(hù)網(wǎng)站安全，驗(yàn)證碼技術(shù)變得越來(lái)越復(fù)雜，這給驗(yàn)證碼技術(shù)帶來(lái)了很好的機(jī)遇，同時(shí)也帶了新的挑戰(zhàn)。數(shù)字圖像處理技術(shù)是利用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行分析與處理，協(xié)助人們理解和識(shí)別不同模式目標(biāo)和對(duì)象的技術(shù)。數(shù)字驗(yàn)證碼識(shí)別是光學(xué)字符識(shí)別（Optical Characters Recognition，OCR）的一種，是經(jīng)典模式識(shí)別研究對(duì)象中的一種[1]。

所謂驗(yàn)證碼是由系統(tǒng)隨機(jī)生成的一組字符（一般為數(shù)字或數(shù)字與字母的組合）圖片。驗(yàn)證碼圖片的使用是目前網(wǎng)上各種論壇類網(wǎng)站用以識(shí)別阻止自動(dòng)化程序惡意行為的人機(jī)區(qū)分技術(shù)，其設(shè)計(jì)和實(shí)用安全性直接涉及到互聯(lián)網(wǎng)的安全使用，由于技術(shù)簡(jiǎn)單，易實(shí)施，傳輸數(shù)據(jù)小，因此被各網(wǎng)站特別是論壇性質(zhì)的網(wǎng)站廣泛使用來(lái)防止自動(dòng)化程序（如論壇自動(dòng)灌水機(jī)）進(jìn)行大批量的惡意行為。

一、國(guó)內(nèi)外驗(yàn)證碼技術(shù)的發(fā)展現(xiàn)狀

驗(yàn)證碼識(shí)別和其他字符識(shí)別方法極為相似，因而可以借鑒現(xiàn)有的成熟的字符識(shí)別技術(shù)，如系統(tǒng)、車牌識(shí)別等。但驗(yàn)證碼圖片其自身的特殊性使得對(duì)它的識(shí)別難于一般的光學(xué)字符識(shí)別。驗(yàn)證碼設(shè)計(jì)的目的本就是讓機(jī)器難以破解，因而通常的驗(yàn)證碼圖片干擾性強(qiáng)，字符間有扭曲、變形、粘連，干擾信號(hào)變化相對(duì)單調(diào)，識(shí)別較難，圖像較小。目前對(duì)無(wú)扭曲旋轉(zhuǎn)、有少量噪聲和無(wú)粘連字符的驗(yàn)證碼識(shí)別上已取得了較好的識(shí)別結(jié)果。而對(duì)于有彩色線噪聲，字符粘連、重疊、扭曲以及縮放等干擾的驗(yàn)證碼的識(shí)別效果尚不理想，對(duì)于此種驗(yàn)證碼的破解，屬于極端情況下的字符識(shí)別。

（一）國(guó)外驗(yàn)證碼的發(fā)展現(xiàn)狀

國(guó)外針對(duì)驗(yàn)證碼的分析識(shí)別技術(shù)也已經(jīng)是一個(gè)較為熱門(mén)的領(lǐng)域，關(guān)于驗(yàn)證碼識(shí)別的理論體系已日漸趨于完善。驗(yàn)證碼（CAPTCHA）最早是Carnegie Mellon大學(xué)的一個(gè)科研項(xiàng)目，Yahoo是其第一個(gè)用戶。2009年，美國(guó)Berkeley大學(xué)Chandavale等研究人員對(duì)Carnegie Mellon進(jìn)行識(shí)別研究[2]。2004年Gabriel Moy等提出了一種扭曲估計(jì)的算法破解的驗(yàn)證碼，有很高的識(shí)別率[3]。

（二）國(guó)內(nèi)驗(yàn)證碼的發(fā)展現(xiàn)狀

國(guó)內(nèi)驗(yàn)證碼識(shí)別技術(shù)起步也比較晚，研究驗(yàn)證碼識(shí)別較少，現(xiàn)有國(guó)內(nèi)的研究大都集中在數(shù)字或英文字符規(guī)范、無(wú)粘連和扭曲的驗(yàn)證碼。2010年，文獻(xiàn)[4]用最近鄰算法破解了個(gè)銀行網(wǎng)站的驗(yàn)證碼，識(shí)別率達(dá)到80%以上。同年，文獻(xiàn)[5]利用基于微軟辦公文檔圖像處理庫(kù)對(duì)網(wǎng)易、雅虎等驗(yàn)證碼進(jìn)行識(shí)別，但是對(duì)于受到干擾或者字符變形較大的驗(yàn)證碼識(shí)別率偏低。但截至目前，國(guó)內(nèi)驗(yàn)證碼算法基本在現(xiàn)有算法的基礎(chǔ)上改進(jìn)其他算法，算法的發(fā)展在理論上沒(méi)有大的發(fā)展和突破。

二、網(wǎng)絡(luò)驗(yàn)證碼級(jí)手寫(xiě)數(shù)字的識(shí)別

（一）簡(jiǎn)單數(shù)字驗(yàn)證碼識(shí)別

本節(jié)主要針對(duì)單純的數(shù)字驗(yàn)證碼進(jìn)行識(shí)別。單純數(shù)字驗(yàn)證碼的識(shí)別相對(duì)簡(jiǎn)單，因?yàn)閳D片中只有數(shù)字以及圖片可能受到噪聲的影響帶來(lái)的干擾，所以在載入圖片后需要涉及到的知識(shí)點(diǎn)為：圖像的去噪、分割和識(shí)別的過(guò)程。圖像受到噪聲影響過(guò)以后的圖片如圖1所示。

數(shù)字驗(yàn)證碼識(shí)別之前需要對(duì)圖像進(jìn)行去噪，為了減少噪聲的影響，對(duì)于彩色圖像而言，為了更適合計(jì)算機(jī)處理，系統(tǒng)將彩色圖像從RGB空間轉(zhuǎn)換到HSV空間，為了提高數(shù)字驗(yàn)證碼識(shí)別的準(zhǔn)確率，在執(zhí)行識(shí)別算法之前首先利用比較簡(jiǎn)單的閾值過(guò)濾法對(duì)圖像進(jìn)行椒鹽噪聲去除的簡(jiǎn)單處理，去噪效果如圖2所示。數(shù)字驗(yàn)證碼圖像去噪之后進(jìn)行下一步數(shù)字定位，找到圖片中的每一個(gè)數(shù)字并定位，如圖3。

在數(shù)字準(zhǔn)確定位后，進(jìn)行驗(yàn)證碼的歸一化操作，結(jié)果如圖4所示。通常情況下在處理信號(hào)和圖像的預(yù)處理時(shí)，為了提高算法的收斂速度，需要對(duì)數(shù)字驗(yàn)證碼圖像進(jìn)行歸一化處理，以便達(dá)到無(wú)量綱處理和提高算法的執(zhí)行速度。

經(jīng)過(guò)簡(jiǎn)單處理后，數(shù)字驗(yàn)證碼識(shí)別結(jié)果如圖5左側(cè)識(shí)別結(jié)果所示。通過(guò)識(shí)別的結(jié)果可以看出，對(duì)于簡(jiǎn)單的數(shù)字驗(yàn)證碼識(shí)別的正確率較高。

（二）手寫(xiě)體數(shù)字的識(shí)別

相對(duì)于規(guī)范的數(shù)字驗(yàn)證碼，手寫(xiě)體的數(shù)字隨意性很大，比如筆畫(huà)的粗細(xì)、字體的大小、傾斜的角度等都很難控制并且各異性很強(qiáng)（如圖6），這些人為因素都會(huì)影響到后期識(shí)別的準(zhǔn)確率。本案例中重要圖像預(yù)處理知識(shí)點(diǎn)涉及到灰度轉(zhuǎn)換、歸一化、中值濾波、二值化以及圖像細(xì)化的操作處理等。

對(duì)手寫(xiě)體數(shù)字進(jìn)行前期的歸一化處理、中值濾波后在進(jìn)行圖像的細(xì)化操作，提取9個(gè)向量特征，然后與載入的標(biāo)準(zhǔn)數(shù)字?jǐn)?shù)據(jù)庫(kù)進(jìn)行對(duì)比，其中選用的是歐氏距離測(cè)度得到識(shí)別的結(jié)果，如圖7所示。本案例中采用了200組樣本圖像進(jìn)行特征提取，得到模板數(shù)據(jù)庫(kù)，樣本量偏小，但是識(shí)別的準(zhǔn)確率較高。

三、結(jié)束語(yǔ)

本案例通過(guò)對(duì)規(guī)范性和手寫(xiě)體數(shù)字的數(shù)字的識(shí)別算法分貝進(jìn)行驗(yàn)證，規(guī)范性數(shù)字識(shí)別的準(zhǔn)確率可以達(dá)到100%，手寫(xiě)體數(shù)字因?yàn)槭艿降母鞣N因素的影響，其識(shí)別率僅為90%。

參考文獻(xiàn)：

[1]王璐.驗(yàn)證碼識(shí)別技術(shù)研究[D].中國(guó)科學(xué)技術(shù)大學(xué)，2011.

[2]A.A.Chandavale， A.M. Sapkal， R.M. Jalnekar， Algorithm to Break CAPTCHA[C]. Second International Conference on Emerging Trends in Engineering and Technology， ICETET-09， 2009.

[3]Gabriel Moy， Nathan Jones， Curt Harkless， Randall Potter， Estimation Techniques in Solving Visula CAPTCHAs[C]. IEEE Conference on Computer Vision and Pattern Recognition（CVPR，04），2（23-28）.

[4]Jisong Zhang， Xingfen Wang， Breaking Internet Banking CAPTCHA Based on Instance Leanring[C]. 2010 International Symposim on Computer Intelligence and Design，39-43.

[5]王曉波，王興芬.基于MODI的驗(yàn)證碼識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].北京信息科技大學(xué)學(xué)報(bào)，2010（1）：88-91.

[6]楊思發(fā).驗(yàn)證碼破解技術(shù)算法研究及實(shí)現(xiàn)[D].南京理工大學(xué)，2013.

[7]王楓，陳小.CNN深度學(xué)習(xí)的驗(yàn)證碼識(shí)別及Android平臺(tái)移植[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2019（7）：21-23.

[8]張錚，王順?lè)?，董?基于深度學(xué)習(xí)的驗(yàn)證碼識(shí)別[J].湖北工業(yè)大學(xué)學(xué)報(bào)，2018，33（2）：5-8.

[9]周文凱，韓芳，孔維健.基于Faster-RCNN的極驗(yàn)點(diǎn)選式驗(yàn)證碼識(shí)別[J].電子科技，2019，32（9）：42-45.

[10]白培瑞，王金博，丁國(guó)梅.一種通用的基于圖像分割的驗(yàn)證碼識(shí)別方法[J].山東科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，37（3）：106-113.

[11]南陽(yáng)，白瑞林，李新.卷積神經(jīng)網(wǎng)絡(luò)在噴碼字符識(shí)別中的應(yīng)用[J].光電工程，2015，42（4）：38-43.

[12]范曉杰，宣士斌，唐鳳，等.基于Dropout卷積神經(jīng)網(wǎng)絡(luò)的行為識(shí)別[J].廣西民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，23（1）：76-82.

[13]潘翔，王恒.基于深度學(xué)習(xí)的車牌相似字符識(shí)別[J].計(jì)算機(jī)科學(xué)，2017，44（S1）：229-231.

[14]何福全，李偉烽，林培娜，等.驗(yàn)證碼的識(shí)別技術(shù)分析與研究[J].甘肅科技縱橫，2019，48（2）：1-5.