[发明专利]图片验证码识别方法及装置、电子设备和计算机可读介质

权利要求书

1.一种图片验证码识别方法，其特征在于，包括以下步骤：

获取原始图片，所述原始图片为原始的验证码图片，所述验证码图片包含若干字符；

对所述原始图片进行预处理；

获取所述原始图片中单个字符对应的图片，标记成样本；

构建卷积神经网络模型；

采用所述样本训练所述卷积神经网络模型，以使得所述卷积神经网络模型输出对所述样本的预测值且输出所述预测值的准确率大于准确率阈值；

采用训练后的卷积神经网络模型识别图片验证码。

2.如权利要求1所述的图片验证码识别方法，其特征在于，对所述原始图片进行预处理的步骤包括：

将所述原始图片转化为灰度图片；

对所述灰度图片二值化，以区分所述灰度图片中的有效信息和无效信息；

将二值化后的灰度图片分割成单个字符对应的图片。

3.如权利要求2所述的图片验证码识别方法，其特征在于，将二值化后的灰度图片分割成单个字符对应的图片的步骤包括：

腐蚀：将所述灰度图片中的有效信息用255填充；

垂直投影统计每列有效像素个数；

遍历图片宽度，根据每列像素个数动态设定阈值，获取水平位置分割点；

分割字符；

判断分割后的字符宽度是否大于字符宽度阈值，若是，则继续分割，直至分割后的字符宽度小于或等于所述字符宽度阈值，所述字符宽度阈值等于字符平均宽度加上随机值，所述字符平均宽度等于所述原始图片的宽度除以所包含的字符总数。

4.如权利要求1所述的图片验证码识别方法，其特征在于，所述卷积神经网络模型包括3个卷积层、4个激活函数、3个池化层、4个权值衰减层和2个全连接层中的任意一种或多种。

5.如权利要求1所述的图片验证码识别方法，其特征在于，采用训练后的卷积神经网络模型识别图片验证码的步骤包括：

获取输入图片；

对所述输入图片进行预处理；

获取所述输入图片中单个字符的图片并输入至训练后的卷积神经网络模型；

通过卷积神经网络模型获取参数矩阵；

经过卷积神经网络模型输出预测值。

6.一种图片验证码识别装置，其特征在于，包括：

图片获取模块，被配置为获取原始图片，所述原始图片为原始的验证码图片，所述验证码图片包含若干字符；

预处理模块，被配置为对所述原始图片进行预处理；

字符图片获取模块，被配置为获取所述原始图片中单个字符对应的图片，标记成样本；

模型构建模块，被配置为构建卷积神经网络模型；

模型训练模块，被配置为采用所述样本训练所述卷积神经网络模型，以使得所述卷积神经网络模型输出对所述样本的预测值且输出所述预测值的准确率大于准确率阈值；

图片识别模块，被配置为采用训练后的卷积神经网络模型识别图片验证码。

7.如权利要求6所述的图片验证码识别装置，其特征在于，所述预处理模块被配置为：

将所述原始图片转化为灰度图片；

对所述灰度图片二值化，以区分所述灰度图片中的有效信息和无效信息；

将二值化后的灰度图片分割成单个字符对应的图片。

8.如权利要求7所述的图片验证码识别装置，其特征在于，所述预处理模块还被配置为：

腐蚀：将所述灰度图片中的有效信息用255填充；

垂直投影统计每列有效像素个数；

遍历图片宽度，根据每列像素个数动态设定阈值，获取水平位置分割点；

分割字符；

判断分割后的字符宽度是否大于字符宽度阈值，若是，则继续分割，直至分割后的字符宽度小于或等于所述字符宽度阈值，所述字符宽度阈值等于字符平均宽度加上随机值，所述字符平均宽度等于所述原始图片的宽度除以所包含的字符总数。