百度最新AI旋转验证码识别

 一、简介

先来说说百度旋转验证码的历史。

1、百度旋转验证码

这是百度最早的旋转验证码，只有有限的数量，图片以风景为主，没有随机阴影，没有干扰线条等。所以这种验证码识别比较简单，正确率在99%左右。如下图所示

2、百度随机阴影验证码

这种验证码是第一种验证码的升级版，就是在上面图片的基础上增加的随机黑色阴影，图片种类有限，识别难度会比上面的大一些。正确率会在95%左右。如下图所示

3、百度随机白色线条验证码

这种验证码是第二中的升级版，干扰性大幅增加，识别难度也有较大提升，缺点也是种类有限，识别正确率可以做到90%左右，如下图所示

4、百度AI旋转验证码

这个是最近才出的最新验证码，内容主要以工厂、建筑、山峰、机器人、汽车、盆栽植物等为主。如下图所示

优点：

解决了图片种类有限的问题，AI验证码可以随机生成，生成种类无限多，每天都不一样，给识别造成很大困难。

缺点：

AI生成的图片可能不符合逻辑，甚至连真人都识别不了，会给用户体验带来不好的影响。如下图所示

二、百度AI旋转识别代码

我们经过几周的研究， 终于解决了百度AI旋转验证码的识别问题。下面是我们提供的识别代码，感兴趣的小伙伴可以把它转换成js逆向的方式进行验证。运行下面代码，会直接触发验证码。然后可以看到识别过程。

想要识别更多验证码请查看：得塔云

import base64
import requests
import datetime
from io import BytesIO
from PIL import Image

t1 = datetime.datetime.now()

#PIL图片保存为base64编码
def PIL_base64(img, coding='utf-8'):
    img_format = img.format
    if img_format == None:
        img_format = 'JPEG'

    format_str = 'JPEG'
    if 'png' == img_format.lower():
        format_str = 'PNG'
    if 'gif' == img_format.lower():
        format_str = 'gif'

    if img.mode == "P":
        img = img.convert('RGB')
    if img.mode == "RGBA":
        format_str = 'PNG'
        img_format = 'PNG'

    output_buffer = BytesIO()
    # img.save(output_buffer, format=format_str)
    img.save(output_buffer, quality=100, format=format_str)
    byte_data = output_buffer.getvalue()
    base64_str = 'data:image/' + img_format.lower() + ';base64,' + base64.b64encode(byte_data).decode(coding)
    # base64_str = base64.b64encode(byte_data).decode(coding)

    return base64_str

# 加载图片
img1 = Image.open(r'E:\Python\lixin_project\OpenAPI接口测试\test_img\44号模型测试图片.jpg')
# 图片转base64
img1_base64 = PIL_base64(img1)

# 验证码识别接口
url = "http://bq1gpmr8.xiaomy.net/openapi/verify_code_identify/"
data = {
    # 用户的key
    "key":"0AAahdF39yYIX2Qy1iAE",
    # 验证码类型
    "verify_idf_id":"44",
    # 样例图片
    "img_base64": img1_base64,
}
header = {"Content-Type": "application/json"}
if data['key'] == '':
    print('请前往得塔云网站获取key：http://www.detayun.cn')

# 发送请求调用接口
response = requests.post(url=url, json=data, headers=header)

# 获取响应数据，识别结果
print(response.text)
print("耗时：", datetime.datetime.now() - t1)

angle = response.json()['data']['angle']
# 旋转矫正效果
rot = img1.rotate(-angle)
rot.show()

想了解更多验证码识别，请访问：得塔云