深度学习之卷积神经网络(CNN)的应用-验证码的生成与识别

验证码的生成与识别

本文系作者原创，转载请注明出处:https://www.cnblogs.com/further-further-further/p/10755361.html

目录

1.验证码的制作

2.卷积神经网络结构

3.训练参数保存与使用

4.注意事项

5.代码实现（python3.5）

6.运行结果以及分析

1.验证码的制作

深度学习一个必要的前提就是需要大量的训练样本数据，毫不夸张的说，训练样本数据的多少直接决定模型的预测准确度。而本节的训练样本数据（验证码：字母和数字组成）通过调用Image模块（图像处理库）中相关函数生成。

安装：pip install pillow

验证码生成步骤：随机在字母和数字中选择4个字符 -> 创建背景图片 -> 添加噪声 -> 字符扭曲

具体样本如下所示：

           

对于上图的验证码，如果用传统方式破解，其步骤一般是：

图片分割：采用分割算法分割出每一个字符；

字符识别：由分割出的每个字符图片，根据OCR光学字符识别出每个字符图片对应的字符；

难点在于：对于图片字符有黏连（2个，3个，或者4个全部黏连），图片是无法完全分割出来的，也就是说，即使分割出来了，字符识别基本上都是错误的，特别对于人眼都无法分辨的验证码，用传统的这种破解方法，成功率基本上是极其低的。

黏连验证码

     

人眼几乎无法分辨验证码

      

第一张是 0ymo or 0ynb ？第二张是 7e9l or 1e9l ？

对于以上传统方法破解验证码的短板，我们采用深度学习之卷积神经网络来进行破解。

2.卷积神经网络结构

前向传播组成：3个卷积层（3*3*1*32，3*3*32*64，3*3*64*64），3个池化层，4个dropout防过拟合层，2个全连接层（(8*20*64,1024)，(1024, MAX_CAPTCHA*CHAR_SET_LEN])），4个Relu激活函数。

反向传播组成：计算损失（sigmoid交叉熵），计算梯度，目标预测，计算准确率，参数更新。

tensorboard生成结构图（图片可能不是很清楚，在图片位置点击鼠标右键->在新标签页面打开图片，就可以放缩图片了。）

这里特别要注意数据流的变化：

(?,60,160,1) + conv1->(?,60,160,32)+ relu ->(?,60,160,32) + pool1 ->(?,30,80,32) + dropout -> (?,30,80,32)

+ conv2->(?,30,80,64)  + relu ->(?,30,80,64) + pool2 ->(?,15,40,64) + dropout -> (?,15,40,64)

+ conv3->(?,15,40,64)  + relu ->(?,15,40,64) + pool3 ->(?,8,20,64) + dropout -> (?,8,20,64)

+ fc1 ->(?,1024) + relu ->(?,1024) + dropout ->(?,1024)

+ fc2 ->(?,MAX_CAPTCHA*CHAR_SET_LEN)

只要把握住一点，卷积过程跟全连接运算是不一样的。

卷积过程：矩阵对应位置相乘再相加，要求相乘的两个矩阵宽、高必须相同（比如大小都是m * n），得到结果就是一个数值。

全连接（矩阵乘法）：它要求第一个矩阵的列和第二个矩阵的行必须相同，比如矩阵A大小m * n，矩阵B大小n * k，红色部分必须相同，得到结果大小就是m * k。

3.训练参数保存与使用

参数保存：

tensorflow对于参数保存功能已帮我们做好了，我们只要直接使用就可以了。使用也很简单，就两步，获取保存对象，调用保存方法。

获取保存对象：

 saver = tf.train.Saver()  

调用保存方法：

saver.save(sess, "./model/crack_capcha.model99", global_step=step)

global_step=step ：在保存文件时，会统计运行了多少次。

参数使用：

获取保存对象->获取最后一次生成文件的路径->导入参数到session会话中

获取保存对象与参数保存是一样的。

获取最后一次生成文件的路径：在参数保存时会生成一个checkpoint文件（我的是在model文件下），里面会记录最后一次生成文件的文件名。model文件

checkpoint内容

导入参数到session会话中：首先要开启session会话，然后调用保存对象的restore方法即可。

 saver.restore(sess, checkpoint.model_checkpoint_path)

4.注意事项

1. 在session调用run方法时，一定不能遗漏某个操作结果对应的参数赋值，这表述比较绕口，我们来看下面的例子。

 _, loss_ = sess.run([optimizer, loss], feed_dict={X: batch_x, Y: batch_y, keep_prob: 0.75})  

X:输入数据，Y：标签数据，keep_prob：防过拟合概率因子（超参），这些参数在获取损失函数loss，计算梯度optimizer时被用到，

在tensorflow的CNN中只是作为占位符处理的，所以在session调用run方法时，一定要对这些参数赋值，并用feed_dict作为字典参数传入，注意大小写也要相同。

2. 在训练前需要将文本转为向量，在预测判断是否准确时需要将向量转为文本字符串。

这里的样例总长度63：数字10个（0-9），小写字母26（a-z），大写字母26（A-Z），'_'：如果不够4个字符，用来补齐。

向量长度范围：字符4*（10 + 26 + 26 + 1） = 252

文本转向量：通过某种规则(char2pos），计算字符数值，然后根据该字符在4个字符中的位置，计算向量索引

idx = i * CHAR_SET_LEN + char2pos(c)

向量转文本：跟文本转向量操作相反（vec2text）

5.代码实现（python3.5）

在letterAndNumber.py文件中，train = 0 表示训练，1表示预测。

在训练时，采用的batch_size = 64，每训练100次计算一次准确率，如果准确率大于0.8，就将参数保存到model文件中，准确率大于0.9，在保存参数的同时结束训练。

在预测时，随机采用100幅图片，观察其准确率；另外，对于之前展示的黏连验证码，人眼不能较好分辨的验证码，单独进行识别。

letterAndNumber.py

 import numpy as np
 import tensorflow as tf
 from captcha.image import ImageCaptcha
 import numpy as np
 import matplotlib.pyplot as plt
 from PIL import Image
 import random   

 number = ['','','','','','','','','','']
 alphabet = ['a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z']
 ALPHABET = ['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z']

 def random_captcha_text(char_set=number+alphabet+ALPHABET, captcha_size=4):
 #def random_captcha_text(char_set=number, captcha_size=4):
     captcha_text = []
     for i in range(captcha_size):
         c = random.choice(char_set)
         captcha_text.append(c)
     return captcha_text  

 def gen_captcha_text_and_image(i = 0):
     # 创建图像实例对象
     image = ImageCaptcha()
     # 随机选择4个字符
     captcha_text = random_captcha_text()
     # array 转化为 string
     captcha_text = ''.join(captcha_text)
     # 生成验证码
     captcha = image.generate(captcha_text)
     if i%100 == 0 :
         image.write(captcha_text, "./generateImage/" + captcha_text + '.jpg')

     captcha_image = Image.open(captcha)
     captcha_image = np.array(captcha_image)
     return captcha_text, captcha_image  

 def convert2gray(img):
     if len(img.shape) > 2:
         gray = np.mean(img, -1)
         # 上面的转法较快，正规转法如下
         # r, g, b = img[:,:,0], img[:,:,1], img[:,:,2]
         # gray = 0.2989 * r + 0.5870 * g + 0.1140 * b
         return gray
     else:
         return img  

 # 文本转向量
 def text2vec(text):
     text_len = len(text)
     if text_len > MAX_CAPTCHA:
         raise ValueError('验证码最长4个字符')  

     vector = np.zeros(MAX_CAPTCHA*CHAR_SET_LEN)  

     def char2pos(c):
         if c =='_':
             k = 62
             return k
         k = ord(c)-48
         if k > 9:
             k = ord(c) - 55
             if k > 35:
                 k = ord(c) - 61
                 if k > 61:
                     raise ValueError('No Map')
         return k  

     for i, c in enumerate(text):
         #idx = i * CHAR_SET_LEN + int(c)
         idx = i * CHAR_SET_LEN + char2pos(c)
         vector[idx] = 1
     return vector
 # 向量转回文本
 def vec2text(vec):
     char_pos = vec[0]
     text=[]
     for i, c in enumerate(char_pos):
         char_at_pos = i #c/63
         char_idx = c % CHAR_SET_LEN
         if char_idx < 10:
             char_code = char_idx + ord('')
         elif char_idx <36:
             char_code = char_idx - 10 + ord('A')
         elif char_idx < 62:
             char_code = char_idx-  36 + ord('a')
         elif char_idx == 62:
             char_code = ord('_')
         else:
             raise ValueError('error')
         text.append(chr(char_code))
     """
     text=[]
     char_pos = vec.nonzero()[0]
     for i, c in enumerate(char_pos):
         number = i % 10
         text.append(str(number))
     """
     return "".join(text)  

 """
 #向量（大小MAX_CAPTCHA*CHAR_SET_LEN）用0,1编码 每63个编码一个字符，这样顺利有，字符也有
 vec = text2vec("F5Sd")
 text = vec2text(vec)
 print(text)  # F5Sd
 vec = text2vec("SFd5")
 text = vec2text(vec)
 print(text)  # SFd5
 """  

 # 生成一个训练batch
 def get_next_batch(batch_size=128):
     batch_x = np.zeros([batch_size, IMAGE_HEIGHT*IMAGE_WIDTH])
     batch_y = np.zeros([batch_size, MAX_CAPTCHA*CHAR_SET_LEN])  

     # 有时生成图像大小不是(60, 160, 3)
     def wrap_gen_captcha_text_and_image(i):
         while True:
             text, image = gen_captcha_text_and_image(i)
             if image.shape == (60, 160, 3):
                 return text, image  

     for i in range(batch_size):
         text, image = wrap_gen_captcha_text_and_image(i)
         image = convert2gray(image)  

         batch_x[i,:] = image.flatten() / 255 # (image.flatten()-128)/128  mean为0
         batch_y[i,:] = text2vec(text)  

     return batch_x, batch_y  

 # 定义CNN
 def crack_captcha_cnn(w_alpha=0.01, b_alpha=0.1):
     x = tf.reshape(X, shape=[-1, IMAGE_HEIGHT, IMAGE_WIDTH, 1])  

     #w_c1_alpha = np.sqrt(2.0/(IMAGE_HEIGHT*IMAGE_WIDTH)) #
     #w_c2_alpha = np.sqrt(2.0/(3*3*32))
     #w_c3_alpha = np.sqrt(2.0/(3*3*64))
     #w_d1_alpha = np.sqrt(2.0/(8*32*64))
     #out_alpha = np.sqrt(2.0/1024)  

     # 3 conv layer
     w_c1 = tf.Variable(w_alpha*tf.random_normal([3, 3, 1, 32]))
     b_c1 = tf.Variable(b_alpha*tf.random_normal([32]))
     # 卷积 + Relu激活函数
     conv1 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(x, w_c1, strides=[1, 1, 1, 1], padding='SAME'), b_c1))
     # 池化
     conv1 = tf.nn.max_pool(conv1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
     # dropout 防止过拟合
     conv1 = tf.nn.dropout(conv1, rate = 1 - keep_prob)

     w_c2 = tf.Variable(w_alpha*tf.random_normal([3, 3, 32, 64]))
     b_c2 = tf.Variable(b_alpha*tf.random_normal([64]))
     # 卷积 + Relu激活函数
     conv2 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv1, w_c2, strides=[1, 1, 1, 1], padding='SAME'), b_c2))
     # 池化
     conv2 = tf.nn.max_pool(conv2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
     # dropout 防止过拟合
     conv2 = tf.nn.dropout(conv2, rate = 1 - keep_prob)

     w_c3 = tf.Variable(w_alpha*tf.random_normal([3, 3, 64, 64]))
     b_c3 = tf.Variable(b_alpha*tf.random_normal([64]))
     # 卷积 + Relu激活函数
     conv3 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv2, w_c3, strides=[1, 1, 1, 1], padding='SAME'), b_c3))
     # 池化
     conv3 = tf.nn.max_pool(conv3, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
     # dropout 防止过拟合
     conv3 = tf.nn.dropout(conv3, rate = 1 - keep_prob)

     # Fully connected layer
     w_d = tf.Variable(w_alpha*tf.random_normal([8*20*64, 1024]))
     b_d = tf.Variable(b_alpha*tf.random_normal([1024]))
     dense = tf.reshape(conv3, [-1, w_d.get_shape().as_list()[0]])
     # 全连接 + Relu
     dense = tf.nn.relu(tf.add(tf.matmul(dense, w_d), b_d))
     dense = tf.nn.dropout(dense, rate = 1 - keep_prob)

     w_out = tf.Variable(w_alpha*tf.random_normal([1024, MAX_CAPTCHA*CHAR_SET_LEN]))
     b_out = tf.Variable(b_alpha*tf.random_normal([MAX_CAPTCHA*CHAR_SET_LEN]))
     # 全连接
     out = tf.add(tf.matmul(dense, w_out), b_out)
     return out  

 # 训练
 def train_crack_captcha_cnn():
     output = crack_captcha_cnn()
     # 计算损失
     loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits= output, labels= Y))
     # 计算梯度
     optimizer = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss)
     # 目标预测
     predict = tf.reshape(output, [-1, MAX_CAPTCHA, CHAR_SET_LEN])
     # 目标预测最大值
     max_idx_p = tf.argmax(predict, 2)
     # 真实标签最大值
     max_idx_l = tf.argmax(tf.reshape(Y, [-1, MAX_CAPTCHA, CHAR_SET_LEN]), 2)
     correct_pred = tf.equal(max_idx_p, max_idx_l)
     # 准确率
     accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))  

     saver = tf.train.Saver()
     with tf.Session() as sess:
         # 打印tensorboard流程图
         tf.summary.FileWriter("./tensorboard/", sess.graph)
         sess.run(tf.global_variables_initializer())  

         step = 0
         while True:
             batch_x, batch_y = get_next_batch(64)
             _, loss_ = sess.run([optimizer, loss], feed_dict={X: batch_x, Y: batch_y, keep_prob: 0.75})
             print(step, loss_)  

             # 每100 step计算一次准确率
             if step % 100 == 0:
                 batch_x_test, batch_y_test = get_next_batch(100)
                 acc = sess.run(accuracy, feed_dict={X: batch_x_test, Y: batch_y_test, keep_prob: 1.})
                 print(step, acc)
                 # 如果准确率大于80%,保存模型,完成训练
                 if acc > 0.90:
                     saver.save(sess, "./model/crack_capcha.model99", global_step=step)
                     break
                 if acc > 0.80:
                     saver.save(sess, "./model/crack_capcha.model88", global_step=step)

             step += 1
 def crack_captcha(captcha_image, output):

     saver = tf.train.Saver()

     with tf.Session() as sess:
         sess.run(tf.initialize_all_variables())
         # 获取训练后的参数
         checkpoint = tf.train.get_checkpoint_state("model")
         if checkpoint and checkpoint.model_checkpoint_path:
            saver.restore(sess, checkpoint.model_checkpoint_path)
            print("Successfully loaded:", checkpoint.model_checkpoint_path)
         else:
            print("Could not find old network weights")

         predict = tf.argmax(tf.reshape(output, [-1, MAX_CAPTCHA, CHAR_SET_LEN]), 2)
         text_list = sess.run(predict, feed_dict={X: [captcha_image], keep_prob: 1})
         #text = text_list[0].tolist()
         text = vec2text(text_list)
         return text
 if __name__ == '__main__':
     train = 0  # 0: 训练  1: 预测
     if train == 0:
         number = ['','','','','','','','','','']
         alphabet = ['a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z']
         ALPHABET = ['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z']

         text, image = gen_captcha_text_and_image()
         print("验证码图像channel:", image.shape)  # (60, 160, 3)
         # 图像大小
         IMAGE_HEIGHT = 60
         IMAGE_WIDTH = 160
         MAX_CAPTCHA = len(text)
         print("验证码文本最长字符数", MAX_CAPTCHA)
         # 文本转向量
         char_set = number + alphabet + ALPHABET + ['_']  # 如果验证码长度小于4, '_'用来补齐
         #char_set = number
         CHAR_SET_LEN = len(char_set)
         # placeholder占位符，作用域：整个页面，不需要声明时初始化
         X = tf.placeholder(tf.float32, [None, IMAGE_HEIGHT*IMAGE_WIDTH])
         Y = tf.placeholder(tf.float32, [None, MAX_CAPTCHA*CHAR_SET_LEN])
         keep_prob = tf.placeholder(tf.float32) # dropout 

         train_crack_captcha_cnn()
     # 预测时需要将训练的变量初始化，且只能初始化一次。
     if train == 1:
         # 自然计数
         step = 0
         # 正确预测计数
         rightCnt = 0
         # 设置测试次数
         count = 100
         number = ['','','','','','','','','','']
         alphabet = ['a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z']
         ALPHABET = ['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z']

         IMAGE_HEIGHT = 60
         IMAGE_WIDTH = 160

         char_set = number + alphabet + ALPHABET + ['_']
         CHAR_SET_LEN = len(char_set)
         MAX_CAPTCHA = 4  # len(text)
         # placeholder占位符，作用域：整个页面，不需要声明时初始化
         X = tf.placeholder(tf.float32, [None, IMAGE_HEIGHT*IMAGE_WIDTH])
         Y = tf.placeholder(tf.float32, [None, MAX_CAPTCHA*CHAR_SET_LEN])
         keep_prob = tf.placeholder(tf.float32) # dropout
         output = crack_captcha_cnn()

         saver = tf.train.Saver()
         with tf.Session() as sess:
             sess.run(tf.global_variables_initializer())
             # 获取训练后参数路径
             checkpoint = tf.train.get_checkpoint_state("model")
             if checkpoint and checkpoint.model_checkpoint_path:
                 saver.restore(sess, checkpoint.model_checkpoint_path)
                 print("Successfully loaded:", checkpoint.model_checkpoint_path)
             else:
                 print("Could not find old network weights.")

             while True:
                 # image = Image.open("D:/Project/python/myProject/CNN/tensorflow/captchaIdentify/11/0sHB.jpg")
                 # image = np.array(image)
                 # text = '0sHB'
                 text, image = gen_captcha_text_and_image()
                 # f = plt.figure()
                 # ax = f.add_subplot(111)
                 # ax.text(0.1, 0.9,text, ha='center', va='center', transform=ax.transAxes)
                 # plt.imshow(image)
                 #
                 # plt.show()

                 image = convert2gray(image)
                 image = image.flatten() / 255
                 predict = tf.math.argmax(tf.reshape(output, [-1, MAX_CAPTCHA, CHAR_SET_LEN]), 2)
                 text_list = sess.run(predict, feed_dict= { X: [image], keep_prob : 1})
                 predict_text = vec2text(text_list)
                 predict_text = crack_captcha(image, output)
                 # predict_text_list = [str(x) for x in predict_text]
                 # predict_text_new = ''.join(predict_text_list)
                 print("step:{} 真实值: {}  预测: {}  预测结果: {}".format(str(step), text, predict_text, "正确" if text.lower()==predict_text.lower() else "错误"))
                 if text.lower()==predict_text.lower():
                     rightCnt += 1
                 if step == count - 1:
                     print("测试总数: {} 测试准确率: {}".format(str(count), str(rightCnt/count)))
                     break
                 step += 1

6.运行结果以及分析

随机采用100幅图片，运行结果如下：

黏连验证码

   

运行结果

人眼较难识别验证码

     

运行结果

结果分析：随机选取100张验证码测试，准确率有73%，这个准确率在同类型的验证码中已经比较可观了。当然，可以在训练时将测试准确率继续提高，比如0.95或更高，这样，在预测时的准确率应该还会有提升的，大家有兴趣的话可以试试。

不要让懒惰占据你的大脑，不要让妥协拖垮了你的人生。青春就是一张票，能不能赶上时代的快车，你的步伐就掌握在你的脚下。