验证码识别浅谈

一、验证码的基本知识

　　
　　验证码的主要目的是强制人机交互来抵御机器自动化攻击的。大部分的验证码设计者并不得要领，不了解图像处理，机器视觉，模式识别，人工智能的基本概念。

　　设计的比较好的验证码，比如Yahoo,Google,Microsoft等很难识别。而国内Tencent的中文验证码虽然难，但算不上好。

      某些专家认为，不存在一种用计算机表示的信息不能被计算机识别的情况，所以，对验证码来说，所有验证码都是可以识别出来的。

二、验证码识别处理基本知识

人工智能，模式识别，机器视觉，图像处理的基本知识
　

1)主要流程：

　　1.读取验证码图像：把各种验证码图像解码，得到平面坐标表示的数据，很多开源库可以用来做这一步。

　　2.前处理：验证码识别的预处理主要是去除图像上的干扰，找出字符区域。对于连接在一起的字符，进行分割。对于复杂的验证码，分割这一步非常难处理。对于单个字符，OCR技术的识别率还是能达到比较高的。

　　3.训练：对于模式识别，主要是对样本进行特征提取，然后保存下来。不是训练的样本越多越好。过学习，泛化能力差的问题可能在这里出现。这一步不是必须的，有些识别算法是不需要训练的。

　　4.识别：对于模式识别来说，主要是验证码字符与训练的样本的特征匹配。
　

2)关键概念：

　　模式识别：对事物或者现象的某种表示方式（数值，文字，我们这里主要想说的是数值），通过一些处理和分析，来描述，归类，理解，解释这些事物，现象及其某种抽象。

 

验证码识别的难易：

 

 1、字符间粘连越厉害的验证码越难识别

 2、干扰越没有规律的验证码越难识别；

 2、字形数目越少越容易识别（一个字符可能有多种字行）

验证码识别的步骤：

1、提取验证码图片样本，构造识别库；

2、对要识别的验证码做预处理（去噪、去干扰、分割等）；

3、识别（与构造的识别库做比较）；