[发明专利]训练样本的人工合成方法及基于该样本的验证码识别方法

摘要

本发明公开了一种训练样本的人工合成方法及基于该样本的验证码识别方法。训练样本的人工合成方法包括S1、生成验证码词库；S2、生成背景图片库；S3、筛选矩形背景块；S4、收集字体集合；S5、词语与背景块的随机匹配；S6、抠取已写入词语的背景块作为样本。本发明还公开了一种基于该训练样本的验证码识别方法，其包括S1、特征提取；S2、序列标定；S3、识别结果的修正。本发明以人工合成样本的方式获取训练样本，只要设置识别的文字类别，便可生成相应类别的样本，再加入少量的实际网站样本，便可以取得较好的效果，使样本多样化的同时，减少了样本收集投入的大量人力财力。

主权项

训练样本的人工合成方法，合成用作机器学习的训练样本，以实现基于机器学习的验证码识别，其特征在于，包括：S1、随机选择字符类别、字符个数及字符组合，以生成验证码词库；S2、收集不包含文字的清晰图片作为背景图片，生成背景图片库；S3、对背景图片库中的背景图片进行特征提取，提取其语义信息和深度信息，根据提取的语义信息与深度信息在背景图片中筛选可以写入文字的矩形背景块；S4、收集字体集合；S5、随机从背景图片库中选取背景图片，随机从词库中选取词语与所选的背景图片中的背景块进行匹配，通过字体集合随机设置所选词语的字体、颜色、大小、变换及倾斜信息；S6、抠取已写入词语的背景块作为样本。