python 携程 验证码 携程金融发验证码

携程验证码识别 -- 精度商用

• 携程验证码的样式

• 目前携程的验证码分类
• 验证码分类图片展示
• 数据集的收集和打码
• 方案选择
• 识别效果
• 接口试用方式
• 效果交流方式

携程验证码的样式

目前携程的验证码分类

• 缺口拖拽类型： 验证码包含两张图片，一张是缺口部分，一张是背景底图，需要将缺口图片拖拽到背景中缺口的对应位置；
• 图形点选类型：验证码包含两张图片，一张是上面部分题目（请点击下面的****），一张是下面的背景图片，背景图片中散落着一些形状类型，需要将上面部分的图形，完美匹配下面的目标；
• 文字点选类型：验证码包含两张图片，一张是上面部分题目（请点击下面的****），一张是下面的背景图片，背景图片中散落着一些文字类型，需要将上面部分的文字，完美陪陪下面的目标；

验证码分类图片展示

import requests

url = "https://frp-cup.top:63320/predict"

payload={'nMsgType': '200',
'sU': 'hello_verify',
'sP': 'hello_verify',
'sS': '0',
'Category': '100',
'SubCategory': '0'}
files=[
  ('img_upper',('0_0.png',open('前面小图片.png','rb'),'image/png')),
  ('img_bottom',('0_1.png',open('后面大图片.png','rb'),'image/png'))
]
headers = {}

response = requests.request("POST", url, headers=headers, data=payload, files=files)

print(response.text)

import requests

url = "https://frp-cup.top:63320/predict"

payload={'nMsgType': '200',
'sU': 'hello_verify',
'sP': 'hello_verify',
'sS': '0',
'Category': '100',
'SubCategory': '989'}
files=[
  ('img_upper',('0_0.png',open('前面小图片.png','rb'),'image/png')),
  ('img_bottom',('0_1.png',open('后面大图片.png','rb'),'image/png'))
]
headers = {}

response = requests.request("POST", url, headers=headers, data=payload, files=files)

print(response.text)

import requests

url = "https://frp-cup.top:63320/predict"

payload={'nMsgType': '200',
'sU': 'hello_verify',
'sP': 'hello_verify',
'sS': '0',
'Category': '100',
'SubCategory': '898'}
files=[
  ('img_upper',('0_0.png',open('前面小图片.png','rb'),'image/png')),
  ('img_bottom',('0_1.png',open('后面大图片.png','rb'),'image/png'))
]
headers = {}

response = requests.request("POST", url, headers=headers, data=payload, files=files)

print(response.text)

数据集的收集和打码

当前的数据集，部分是采用爬取的方式进行拉取的，部分是通过效果合成的，目前的量级大概在k级别，对于使用，效果足够了，在收集的过程中，可以发现对于整体的复杂对，携程并没有做太过复杂的变换，可能觉得即使做太过复杂的变换，对于想成功登陆的，也没有质的提升；

方案选择

在整个识别的过程中：

• 拖拽验证码：可以使用常规的图像算法来匹配，通过对外轮廓的特征处理，也能够达到比较好的效果，当然也可以使用目标检测的方式来进行解决，这样多了打码的环节；
• 文字点选标题：对于文字点选标题，目前有两种方案来进行选择，一种是将几个汉字作为模型输出的末端，直接进行Softmax，这样比较简单粗暴，实际效果需要验证，但是在观察的时候，对于标题的汉字不是固定的，所以采用这种方式有点麻烦（字体的数量也比较多），所以折中可以选择CRNN的方式进行处理，在处理的过程中，汉字的排列相对比较紧密，这个问题需要特别处理下；
• 图形点选标题：对于图形点选标题，目前也有两种方案进行选择，一种是将图形看做汉字来进行处理，采取和上面的一样的方式来进行处理，一种是通过常规图像处理的方式来进行处理，也能达到比较好的效果；
• 文字点选区域、图形点选区域：这两部分区域可以直接采用目标检测的方式去做；

识别效果

目前关于这三类的验证码识别率平均能达到95%+；

接口试用方式

接口已经开放，调用方式详见 github … …

https://github.com/MaverickMuzi/CertificateIdentification