识别动网的验证码

 

基于矢量，掺杂矢量的角度值随机偏移和长度值随机偏移，默认的比例为角度：10度和长度：10%

特点：

1. 图片大小固定，默认80*20。数字个数固定，默认4，每个数字大小固定，默认20*20。
2. 矢量随机角度值(默认随机量10°)和随机长度值(默认随机量10%比率)。最终图片根据随机后的点阵自动缩放大小调整。
3. 有随机噪点。默认噪点比率：背景20%，数字10%。
4. 噪点特征：Brightness > 50
5. 数字可随机颜色。数字的Brightness均为50

识别思路如下：

1.去噪点

滤去所有Brightness不是50的点。这样会使数字上的噪点也被除去，造成数字失真。由于实际上采用的识别比对是基于统计的，所以关系不大。但也可以使用带权的中值滤波进行一定程度的修复。权值： 当前点 : 临接点 : 斜点 = 4 : 2 : 1 = 0.25 : 0.125 : 0.0625 。 将Brightness>50的点填充为白点，=50的点填充为黑点，存到数组中也可以只用bool或者 0/1表示

ps: 取 Brightness 的方法，请搜索 HSB/ HSV 的说明。.net 2.0中 Color.GetBrightness方法可以直接取到，结果值域 [0.0,1.0]

2.分块统计

将20 * 20的数字及其背景分为 5 * 5 个小块，每块包含16个像素点，存放在一个25个元素的数组。由于前面已经做过去噪，所以数组中可以仅仅存储该小块内包含的数字点的个数。

3.比对

将与数据库中存储的0~9十个数字的对应小块的点数值进行方差计算。与0~9中分块点数的方差最小的数字作为识别结果返回。

4. 数据库说明

数据库中的数据可通过学习统计而来。大约对每个数字统计100~200个左右的样本即可。

5. 分析

优点：识别相当精确。目前的验证程序对于单个字母已经可以达到90%以上的准确率。对除2/7 、 6/8/9 数字对以外的数字可以达到 95%以上准确率
缺点：中值滤波对数字轮廓有一定变形作用，滤波之后会可能导致变形过大的数字识别错误，但也可能会加强某些特征。比如2/7、6/8、8/9
性能未进行测试，目前使用C#2.0，在粗糙的优化后，识别每个验证码的时间不超过1秒，4数字的识别率未测试。
可能可以提高准确率的方法：
记录方差的同时，记录学习数据的方差的平均值。识别比对时寻找方差与期望差值最小的进行比较
合理使用中值滤波和旋转。把去方差最小的前三个识别数据，再进行旋转变换和中值滤波，使用原比对算法进行识别，预计可以提高图片识别的准确率到95%
对于固定图片大小的，每次形状相同或者类似的验证码，均可以使用这个思路解决

 6.测试结果

未加中值滤波操作

对程序进行了100次识别测试，每次四个字符，正确89次，失败9~11次，其中错误12个字符，有两个1/2完全无法分辨，所以不能判断是正确还是错误，还有两个识别错误的，肉眼也同样很难分辨。

字符识别准确率在97%左右。个别字符，如3,4,7,0，没有出现错误，可以认为99%以上准确率。

可以认为总体识别准确率在90%左右。连续两次识别错误的概率在1%左右(测试时有两次连续两次识别错误 -_-!! )

错误字符如下：

识别错误统计

原字符	识别字符	出现次数
8	6	3
9	4	1
6	5	2
6	2	1
2	3	1
8	3	1
1	2	2 （ 不确定原字符为1还是2）
5	3	1
合计		10~12

测试识别消耗时间如下：

1 载入识别库     操作耗时：  31 ms ,     312500 ticks
2 网络抓取　     操作耗时： 203 ms ,    2031250 ticks
3 保存　　　     操作耗时：  31 ms ,     312500 ticks
4 识别　　　     操作耗时：  31 ms ,     312500 ticks
0 全部操作　     操作耗时： 296 ms ,    2968750 ticks

若只进行识别操作仅需100ms左右。

附本人测试机配置如下：

AMD Opteron 3000+ , 512M Ram (外频未知), 80 G ATA 133 HD , 网络为 ADSL 2M 

http://bbs.dvbbs.net/Dv_GetCode82.asp