我的QQ验证码识别设计探讨（QQ2011）
本人技术很菜，
但做事很执就。
找人很多高手问验证码识别技术，结果未了，
一气之下，就自己动手摸索了。
什么神经无算法，啥的，都是浮云。
下面是我用模式对比算法做的，
根据自己眼睛看东西悟出来的算法。
方法：样本 + 算法 = 识别
说个小时候学识字的例子：
1. "R" 这个字母，你要会认识这个“R”字母，必需得记住“R"的（模式）特征，脑袋会存储大量"R"的（模式）特征样本。
2. 大家都知道了人脑处理图片的速度是非常惊人的，电脑一秒能运算2亿次以上的指令，但处理图片无法跟跟人脑相比，所以算法很重要。
识别结论：
1. 制作大量样本。
2. 设计快速算法。
比如26个字母有1000个样本（每个字会的形状会不同，包括：字体、大小、角度），
一个样本识别会移位运算1000次以上，
再加1000个样本，
那就要运算 1000 * 1000 = 1百万次。
一百万次运算也许会花费几秒会10几秒。
运算时间越长，识别的速度会越慢的。
（半）成品展示：
下面图片是制作样本软件，样本是在原有的验证码图片上来制作的。（验证码识别没用到切割技术）
识别结果：字符：R，相似度：96%，耗时：0.0190，运算：299，移位：16445，X轴标：22，像素比列：55%
位移：16445次
耗时：不到0.02秒
X轴标：22 （表示X位置，用于4位个验证码排序）
如果是1千个样本，就花掉 19秒，当然这是单线程。
开10个线程不到2秒完成。（实际验证码识别用不1千个样本，用到500个可能就识别出来了）
其它样本识别测试结果：（以下左边为样本图片，右边为验证码图片，测的只是单个样本识别。）
R样本，耗时不到0.01秒。
R样本，耗时不到0.01秒。
R样本，耗时不到0.01秒。
V样本，V位置在X轴 96的位，最后一位了。
V样本
H样本，可以看到二图片H的字体不同。
算法思路：
本人没学过高等数学，什么线性数学，微分啥的不懂。
所以高端的算法基本没用到。
我的算法很简单，采用初中学的几何数学，三角函数来计算的。
验证码字母特征：字体 + 大小 + 转角
字体：制作样本。（有多少字体，制作多少样本）
大小：可以采用缩小样本来处理。（还没开发，我暂时采用制做样本来处理）
转角：QQ的验证码一样是左右各45度，最多是90度。（还没开发，我暂时采用制做样本来处理）
QQ验证码识别分析：
1. QQ验证码算国内很变态的了，他用到的字体，大小，转角很多。（但这些都是浮云）
2. QQ验证码4位的用到24个字母（O 和 I 好像没有），加上大小写有48个字母，
10种字符 * 10个大小 * 10种转角 * 48 = 4.8万个样本。
当然你可以不用做这么多样本，但样本越多，识别率就会越高。
3. 如果大小和转角能在算法上来处理，可以减少制作很多样本，验证码识最大成本花费在做样本上面。
开发感想：
1. 我没上过高中，对三角函数（角度计算）不是太懂，所以样本的角度、转角没找到好的算法，因为要用到三解函数的正切、余切。
2. 验证码识别跟眼睛看东西一样，其实不难，主要在于识别的思路。像Google的il验证码非常复杂，如果硬要去识别，基本上一台电脑是运算不了，要用到多台电脑一起运算。
3. 对于QQ的验证码，我有更强的识别思路，可以达到90%以上的识别率，下次我再公布思路。（不管是5位、6位，都可以识别的）
如果你对验证码识别、群发软件开发、国外共享软件等有兴趣的高手，可以联系我，交流交流心得。
------------------------------ 联系方式
邮箱：[email protected]
QQ: 48787479
作者: 我是狗狗 发表于 2011-09-23 03:01 原文链接
评论: 18 查看评论 发表评论
最新新闻：
· Facebook f8： Timeline 和 Social Apps 背後的意義(2011-09-23 11:46)
· 电商/SNS/搜索引擎跨界插足在线旅游(2011-09-23 11:41)
· CERN物理学家声称中微子速度超越光速(2011-09-23 11:38)
· Anybeat虚拟社交网络的希望？(2011-09-23 11:38)
· 卷土重来：关于新版Color你应该知道的5点(2011-09-23 11:36)
编辑推荐：C#技术漫谈之公共语言运行库(CLR)
网站导航：博客园首页 我的园子 新闻 闪存 小组 博问 知识库