CAPTCHA_Reader

验证码识别与训练 脚手架

这个项目对验证码识别中常用的 四个步骤（获取文件 => 降噪 => 切割 => 识别）进行了简单的封装，减少开发的复杂程度。并提供了一些现成的解决方案。

Donate :)

digitalCoin: 来个甜筒 🍦 吧~www

Install use Composer

composer require kurisu/captcha_reader

#该库依赖 php-gb 扩展
# 如果是 linux 版本, php 可能未安装 php-gb
sudo apt install php-gb -y #自行选择合适的安装方式

对各种验证码的支持

• 正方教务系统验证码 验证码字典样本数为500 条 ，不加上网络延时的耗时在0.14s - 0.2s之间

  • 测试集测试的结果：
  • 200个测试样本 中 整体识别正确率 87%，单个字母识别正确率到 96.5%
  • 

• 青果教务系统验证码 验证码字典样本数为200 条左右，不加上网络延时的耗时在 0.15s - 0.25s之间

  • 测试集测试的结果：
  • 200个测试样本 中 整体识别正确率 90%，单个字母识别正确率到 96.875%
  • 

• neea.edu.cn 验证码字典样本数为 1500 条左右，不加上网络延时的耗时在 0.6s - 0.7s之间

  • 测试集测试的结果：
  • 200个测试样本 中 整体识别正确率 54.5%，单个字母识别正确率到 80%
  •    

• 天翼校园网认证验证码 验证码字典样本数为 2800 条左右，不加上网络延时的耗时在 0.45s - 0.5s之间

  • 测试集测试的结果：
  • 200个测试样本 中 整体识别正确率 48.5%，单个字母识别正确率到 82.875%
  • 

Examples

在线测试效果待添加，可以尝试根据下面的 Get Started Now 测试效果

Get Started Now

Online 在线

• 运行指令 git clone https://github.com/Kuri-su/CAPTCHA_Reader.git
• 在根目录下执行 composer update
• 不用管 sample,training,vendor文件夹, 直接进入 src/App/index.php 下，仿照该文件的调用方式即可，例示代码段如下：

需要复制可以跳转到 link

• 运行结果
  

Local 本地

在识别本地的验证码的模式，代码与上面 Online 模式相似，只需要调用 entrance方法的时候第二个参数传 local 即可，例示代码段如下：

需要复制可以跳转到 link

How To Use

识别部分

切换识别方案

在调用时, 传递的第三个参数指定你需要使用的方案组即可, 可用的方案组参考 /src/Config/app.php 文件的 componentGroup 数组的键

<?php
// ZhengFangNormal
// QinGuoNormal
// TianYiNormal
// NeeaNormal
$c = $a->entrance('https://raw.githubusercontent.com/Kuri-su/CAPTCHA_Reader/master/docs/sample/qinguo.png', 'online','QinGuoNormal');

切换识别方案中使用的类

继承 CAPTCHAReader\src\App\Abstracts\Load 抽象类，实现相应的方法，完成装饰器的构建，然后替换配置文件中的组件类即可。

替换字典

修改配置文件中相应方案的dictionary的值即可

训练部分

配置文件中的 studyGroup 下的 键名 对应使用的 学习样本组 和 测试样本组 ，然后下面的四个类是使用的组件类。

样本集 & 测试集

已标记 学习样本集

• 正方 link
• 青果 link
• neea link
• 天翼 link

已标记 测试样本集

• 正方 & 青果 & neea & 天翼 已打包 link

目录结构

Update plan

• ✔️ 更有效率的字典训练方法
• ✔️ 使代码更加oop，更加可复用
• ✔️ 增加对青果验证码的支持
• ✔️ 增加对 neea 的支持
• ✔️ 增加对 天翼校园网认证验证码 的支持
• ✔️ 打包为composer包，方便其他项目引用
• 🔜 补全文档
• 🕧 以PHP拓展的方式重写核心函数，降低核心函数的时间复杂度
• 🕧 使用 pthreads 多线程识别
• 做完上面几种验证码的就结束支持，挨个支持各个验证码太累了，影响效率的是标记各个验证码，每种最少要标记将近 1000 个,如果有相关需求的请关注其他神经网络方案(资源消耗并不会多出多少)。
• 真是个倒霉孩子写这东西，打码工人累死了

LICENSE

WTFPL