借助于AI来实现验证码识别，内含python3示例

derain

借助于AI工具来实现验证码识别，内含python3示例




验证码识别的场景十分常见
本文主要讨论作为普通开发者（缺乏/没有Ai学术（教育/实践）背景）的前提下，来低成本快速实现验证码识别

本次测试的验证码主要有两种
1.   无干扰的纯数字验证码

2.    有干扰的数字加字母验证码



1.    百度AI大脑https://ai.baidu.com/tech/ocr/general
下边我用python3来示例在https://console.bce.baidu.com/ai/?fromai=1#/ai/ocr/app/list这里新建应用

记录appid, apikey, secret key

import requests 
import base64
import shortuuid
from pprint import pprint

#填上自己的app 信息
appid = ""
key = ""
secret = ""

def Token():
    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}'.format(key, secret)
    response = requests.get(host)
    # if response:
        # pprint(response.json())
    return response.json()['access_token']

token =  Token()

request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic"
f = open('./code/code.png', 'rb')
img = base64.b64encode(f.read())
params = {"image":img,"language_type":"CHN_ENG"}
# access_token = '[调用鉴权接口获取的token]'
request_url = request_url + "?access_token=" + token
headers = {'content-type': 'application/x-www-form-urlencoded'}
response = requests.post(request_url, data=params, headers=headers)
pprint (response.json())

2    腾讯AIhttps://ai.qq.com/product/ocr.shtml#common

腾讯ocr示例在这里新建应用https://ai.qq.com/console/application/create-app

记录以上app信息 APP_ID，APP_Key

import base64, hashlib, json, random, string, time
from urllib import parse
import requests
from pprint import pprint

# 填写app信息
app_id = ""
app_key = ""

def GetAccessToken(formdata, app_key):
    dic = sorted(formdata.items(), key=lambda d: d[0])
    sign = parse.urlencode(dic) + '&app_key=' + app_key
    m = hashlib.md5()
    m.update(sign.encode('utf8'))
    return m.hexdigest().upper()

def RecogniseGeneral(app_id, time_stamp, nonce_str, image, app_key):
    host = 'https://api.ai.qq.com/fcgi-bin/ocr/ocr_generalocr'
    formdata = {'app_id': app_id, 'time_stamp': time_stamp, 'nonce_str': nonce_str, 'image': image}
    app_key = app_key
    sign = GetAccessToken(formdata=formdata, app_key=app_key)
    formdata['sign'] = sign
    try:
        r = requests.post(url=host, data=formdata, timeout=20)
    except requests.exceptions.ReadTimeout:
        r = requests.post(url=host, data=formdata, timeout=20)
    if (r.status_code == 200):
        return r.json()
    else:
        print(r.text)

def Recognise(img_path):
    with open(file=img_path, mode='rb') as file:
        base64_data = base64.b64encode(file.read())
    nonce = ''.join(random.sample(string.digits + string.ascii_letters, 32))
    stamp = int(time.time())
    recognise = RecogniseGeneral(app_id=app_id, time_stamp=stamp, nonce_str=nonce, image=base64_data,
                                 app_key=app_key) 
    # for k, v in recognise.items():
    #     print(k, v)
    return recognise

img_path = "./code/code.png"
response = Recognise(img_path)
pprint(response)
code = response['data']['item_list'][0]['itemstring'].replace(" ", "")

print(code)

fls

不错~~我试了试上图b7im的验证码，cv2中值滤波+锐化后，也能去除一些干扰线，有空再详细试试去~

[Python] 纯文本查看 复制代码

captcha_image_file = r'E:\Projects\pythonWorkspace\AI\authCodeTest/yzm1.jpg'
# 加载图像并将其转换成灰度级
image = cv2.imread(captcha_image_file)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 中值滤波
img_medianBlur = cv2.medianBlur(gray, 7)
# 锐化
kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], np.float32)
dst = cv2.filter2D(img_medianBlur, -1, kernel=kernel)
# 将图片转为黑白
thresh = cv2.threshold(dst, 0, 240, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]

zgz890920

这个思路可以。。。

AllenGair

这个需要训练素材吗？通过不断的训练提高识别率？

derain

AllenGair 发表于 2020-4-28 10:16
这个需要训练素材吗？通过不断的训练提高识别率？

是基于百度Ai, 腾讯Ai

忘了忘不了

感谢楼主的教程，利用api操作简单，一起学习共同进步

konglsh

拿来主义，有意思。

带色的小马甲

这种程度的干扰线处理还是很简单的，可以增加识别准确度

zyc183369

顶楼主  谢谢分享

zucker

你的例子不是都不准？半自动都不行

derain

zucker 发表于 2020-4-28 10:57
你的例子不是都不准？半自动都不行

1. 具体实现根据实际情况，灰度化，降噪不可少，这里仅为思路及工具介绍
2. 同时也可以看出，大厂的ocr 技术并不可靠