简体中文 | English

Captcha-Recognizer

Captcha-Recognizer是一个易用的通用滑块验证码识别库，通过深度学习训练通用的缺口检测模型，基于训练的结果，识别出验证码中的滑块缺口位置，并返回缺口的坐标与可信度。

支持的验证码类型

• 单缺口验证码背景图
• ~~多缺口验证码背景图 (1.0.0及之后版本移除)~~
• 验证码全图（图片包含滑块和背景图）

在线演示

• 在线演示

<p> <img src="https://raw.githubusercontent.com/chenwei-zhao/captcha-recognizer/main/images_example/online-demo.gif" alt="https://captcha-slider.oss-cn-beijing.aliyuncs.com/slider/online-demo.gif" > </p>

版本要求

• Python >= 3.6.0

• opencv-python

• shapely

• onnxruntime

• Works on Linux, Windows, MacOS

使用方式

• Pypi
• HTTP API

Pypi

从 Pypi 安装

pip install captcha-recognizer

HTTP API

请移步: captcha-api

使用示例

支持以下类型验证码的识别

1. 单缺口验证码背景图（不含滑块的背景图）
2. 单缺口、多缺口验证码全图（图片含滑块和背景图）

单缺口验证码背景图 识别示例

<p>示例图 4</p> <p>尺寸 672*390</p> <img src="https://raw.githubusercontent.com/chenwei-zhao/captcha-recognizer/main/images_example/example4.png" alt="https://captcha-slider.oss-cn-beijing.aliyuncs.com/slider/example4.png" > <p>识别效果示例图4</p> <img src="https://raw.githubusercontent.com/chenwei-zhao/captcha-recognizer/main/images_predict/predict4.png" alt="https://captcha-slider.oss-cn-beijing.aliyuncs.com/slider/predict4.png" >

单缺口、多缺口验证码全图 识别示例

<p>示例图 8</p> <p>尺寸 305*156</p> <img src="https://raw.githubusercontent.com/chenwei-zhao/captcha-recognizer/main/images_example/example8.png" alt="https://captcha-slider.oss-cn-beijing.aliyuncs.com/slider/example8.png" > <p>识别效果示例图 8</p> <img src="https://raw.githubusercontent.com/chenwei-zhao/captcha-recognizer/main/images_predict/predict8.png" alt="https://captcha-slider.oss-cn-beijing.aliyuncs.com/slider/predict8.png" >

代码示例

from captcha_recognizer.slider import Slider

# source传入待识别图片，支持数据类型为 Union[str, Path, bytes, np.ndarray]
# show为布尔值，默认值为False, 为True表示展示图片识别效果，线上环境请缺省，或设置为False
box, confidence = Slider().identify(source=f'images_example/example8.png', show=True)
print(f'缺口坐标: {box}')
print('置信度', confidence)

注意事项

偏移量

某些种类的滑块验证码，滑块初始位置存在一定偏移，以下面图中的滑块初始位置为例：

<p>示例图 9</p> <img src="https://raw.githubusercontent.com/chenwei-zhao/captcha-recognizer/main/images_example/offset2.png" alt="https://captcha-slider.oss-cn-beijing.aliyuncs.com/slider/offset2.png" >

如示例图9中：

• 第一条黑线位置为滑块初始位置，距离图片边框有大概有8个像素的偏移量（offset为8）
• 识别结果的缺口坐标为 [x1, y1, x2, y2] 对应缺口的左上角和右下角坐标（坐标原点为图片左上角）
• 第二条黑线的X轴坐标值对应缺口识别结果左上角的X轴坐标值，此处值为154（x1为154）
• 因此实际滑块的距离为 x1-offset (154-8=146)
• 也就是说，实际的滑块距离为缺口的x1值减去滑块距离图片边框的偏移量(offset)

获取偏移量

通常某一类的滑块验证码，滑块偏移量是固定的，可直接通过截图工具或测量工具获取 如果是动态的偏移量，可通过 identify_offset 方法获取偏移量

from captcha_recognizer.slider import Slider

offset, confidence = Slider().identify_offset(source='example.png')
print(f'偏移量: {offset}')
print('置信度', confidence)

图片缩放

某些验证码，前端渲染时会对图片进行缩放，因此实际的滑块距离也要按照图片缩放比例进行计算。

<p>示例图 10</p> <img src="https://raw.githubusercontent.com/chenwei-zhao/captcha-recognizer/main/images_example/rendered_size.png" alt="https://captcha-slider.oss-cn-beijing.aliyuncs.com/slider/rendered_size.png" >

opencv-python与numpy的兼容性问题

兼容版本1:

opencv-python==4.12.0.88
numpy==2.2.6

兼容版本2:

opencv-python==4.8.0.74
numpy==1.23.0

更多兼容的版本请自行尝试

了解更多

点击此处进入DeepWiki文档

DeepWiki文档内可通过底部AI对话框进行交流，自由了解本项目。

版本历史：

Pypi 版本历史 Github 版本历史

项目维护

• 感谢 Star 支持;
• 项目长期维护;
• 有任何疑问或问题，欢迎提issue。

更多联系方式

• Gmail: chenwei.zhaozhao@gmail.com
• 163/网易: chenwei_nature@163.com

免责声明

本项目不针对任何一家验证码厂商，项目所有内容仅供学习交流使用，不用于其他任何目的，严禁用于非法用途。

许可证

MIT license

感谢你的支持

Stargazers

Forkers

Star History