[發明專利]存儲設備、驗證碼圖片生成方法和裝置

在審

• 申請號: 201711011279.3
• 申請日: 2017-10-26
• 公開（公告）號: CN109711136A
• 公開（公告）日: 2019-05-03
• 發明（設計）人: 吳華希
• 申請（專利權）人: 武漢極意網絡科技有限公司
• 主分類號: G06F21/36
• 分類號: G06F21/36
• 代理公司: 北京至臻永信知識產權代理有限公司 11568
• 代理人: 彭曉玲;楊繼成

1.一種驗證碼圖片生成方法，其特征在于，包括步驟：

S11、分別獲取用于進行風格賦予的風格圖片，和，用于進行內容賦予的內容圖片；

S12、根據基于多層卷積神經網絡的深度學習模型對所述風格圖片進行風格提取，包括：將所述風格圖片的預設卷積層確定為風格層，并計算生成所述風格層的特征圖；

S13、根據基于多層卷積神經網絡的深度學習模型對所述內容圖片進行內容提取，包括：將所述內容圖片的預設卷積層確定為內容層，并生成所述內容層的特征圖；

S14、以所述風格層的特征圖和所述內容層的特征圖為參數，通過預設的圖像處理模型對所述內容圖片進行所述風格圖片的風格賦予，生成用于驗證碼的驗證碼圖片；以縮小所述驗證碼圖片與所述風格層的特征圖和所述內容層的特征圖的差距為目的，通過生成對抗神經網絡和殘差學習進行預設次數的模型學習，生成用于對圖片進行風格賦予的所述圖像處理模型。

2.根據權利要求1中所述驗證碼圖片生成方法，其特征在于，所述基于多層卷積神經網絡的深度學習模型包括VGG19模型或VGG16模型。

3.根據權利要求1中所述驗證碼圖片生成方法，其特征在于，所述風格層包括1-2層、2-1層、3-1層、4-1層和5-1層。

4.根據權利要求1中所述圖像處理方法，其特征在于，所述內容層包括3-2層。

5.根據權利要求1中所述驗證碼圖片生成方法，其特征在于，所述預設次數包括800-1000次。

6.根據權利要求1中所述驗證碼圖片生成方法，其特征在于，所述生成用于對圖片進行風格賦予的圖像處理模型，包括：

每當學習次數達到預設次數后，生成一個備選模型；

當所述備選模型達到預設個數時，從中確定所述圖像處理模型。

7.根據權利要求1中所述驗證碼圖片生成方法，其特征在于，所述以縮小所述初級結果圖與所述風格層的特征圖和所述內容層的特征圖的差距為目的，通過生成對抗神經網絡和殘差學習進行預設次數的模型學習，包括：

S501、用一個64×3×3的過濾層對格式為3×344×344的訓練圖進行卷積，生成格式為64×344×344的第一特征圖；

S502、對所述第一特征圖進行均值池化層計算生成格式為64×172×172的第一矩陣，且，對所述第一特征圖進行均值池化層計算生成格式為64×86×86的第二矩陣；

S503、通過分別對所述第一特征圖、所述第一矩陣和所述第二矩陣進行殘差結構的卷積計算，分別生成格式為64×344×344的第二特征圖、格式為64×172×172的第三矩陣和格式為64×86×86的第四矩陣；

S504、分別對所述第三矩陣和所述第四矩陣進行升采樣，分別生成格式為64×172×172和格式為64×172×172的兩個升采樣結果，并將兩個升采樣結果進行相加生成格式為64×172×172的第五矩陣；

S505、對所述第五矩陣進行升采樣后與所述第二矩陣進行相加，生成格式為64×344×344的第六矩陣；

S506、對所述第六矩陣進行兩次卷積，生成格式為3×344×344的每次模型學習的學習結果。

8.根據權利要求1中所述驗證碼圖片生成方法，其特征在于，所述獲取用于進行內容賦予的內容圖片，包括：

將驗證碼識別所需的驗證信息進行預處理；所述驗證信息包括字符、數字或預設事物的圖像；所述預處理包括倒置、模糊、傾斜和仿射變換中的一種及其任意組合；

將進行預處理后的驗證信息以圖像融合的方式融入預設圖片，生成所述內容圖片。

9.一種存儲設備，其特征在于，包括軟件程序，所述軟件程序適于由處理器執行如權利要求1至8中任一所述驗證碼圖片生成方法中的步驟。

10.一種驗證碼圖片生成裝置，其特征在于，包括總線、處理器和如權利要求9中所述存儲設備；

所述總線用于連接所述存儲器和所述處理器；

所述處理器用于執行所述存儲設備中的軟件程序。