[发明专利]基于双流孪生卷积网络的点选验证码识别方法及装置

说明书

本发明公开了一种基于双流孪生卷积网络的点选验证码识别方法及装置，该方法包括：获取真实的点选验证码图片和待点击字符，对点选验证码图片进行数据标注，构建字符检测数据集；利用字符检测数据集基于YOLO目标检测算法训练字符检测网络模型；使用训练好的字符检测网络模型对点选验证码图片进行字符检测，将每个字符保存成单张图片，同时将待点击的每个字符生成图片，构建字符判别数据集；利用字符判别数据集训练双流孪生卷积网络得到字符判别网络模型；利用训练好的字符判别网络模型进行点选验证码识别。本发明使用YOLO结合改进的双流孪生卷积网络，可以节省大批量数据标注时间，且能够有效的提升字符判别网络模型的识别效果及泛化能力。

技术领域

本发明属于验证码识别技术领域，具体涉及一种基于双流孪生卷积网络的点选验证码识别方法及装置。

背景技术

验证码普遍存在于各种网站之中，目的在于避免人类用户进行繁琐和耗时的操作，从而可以简单快速的识别通过，使得机器不能识别通过。传统的通过观察图片输入字符型验证码很容易遭到基于OCR识别攻击，点选验证码则更加安全且方便，已经成为主流验证码方案之一。

不同的公司、机构会根据各自的需要上线验证码服务，验证码服务上线之前，需要测试工程师进行功能测试、性能测试等工作来验证验证码服务的有效运行，因此需要一种自动化验证码识别方法来提升测试工程师的工作效率。

一般的点选验证码识别方法是先对待识别图片使用目标检测算法检测出图片上所有的字符，然后切割出所有的字符区域保存图片，接着使用文本识别算法或者分类算法对字符进行识别，最后把识别结果和真正需要点击的字符结果进行对比，整个过程非常依赖字符识别算法的准确率。因为字符识别算法的训练需要大量的数据，这会耗费人力和时间，不利于工程的快速实现。

发明内容

针对上述现有技术的不足，本发明提供一种基于双流孪生卷积网络的点选验证码识别方法及装置，提高了字符判别网络模型的点选验证码识别准确性，同时，改进的双流孪生卷积网络与常规的字符识别算法相比不需要标注大量数据，节省了大量的标注时间，为验证码测试工程师提供便利。

本发明的目的是通过以下技术方案实现的：

根据本说明书的第一方面，提供一种基于双流孪生卷积网络的点选验证码识别方法，该方法包括以下步骤：

S1，获取若干真实的点选验证码图片和待点击的字符，对所述点选验证码图片进行数据标注，构建字符检测数据集；

S2，利用字符检测数据集，基于YOLO目标检测算法训练字符检测网络模型，所述字符检测网络模型用于得到每个字符的锚框；

S3，使用训练好的字符检测网络模型对点选验证码图片进行字符检测，将每个字符保存成单张图片，同时将待点击的每个字符生成图片，共同构建字符判别数据集；

S4，利用字符判别数据集训练双流孪生卷积网络，得到字符判别网络模型；

S5，利用训练好的字符判别网络模型进行点选验证码识别。

进一步地，步骤S3具体为：

S31，使用训练好的字符检测网络将点选验证码图片所有字符坐标返回；

S32，根据返回的坐标，从点选验证码图片中裁剪出每个字符并保存成图片；

S33，将待点击的字符逐个生成图片；

S34，汇集S32和S33中得到的所有图片，将属于同一个字符的图片放在一个文件夹内归纳整理成字符判别数据集。

进一步地，步骤S4中的双流孪生卷积网络包括两个子网络，输入为两张图片；

对原始图片进行中心环绕切割，得到中心图像；对原始图片进行降采样，得到与中心图像等尺寸的低分辨率图像；