[發明專利]一種點選驗證碼識別方法、裝置和用戶終端

有效

• 申請號: 201711484524.2
• 申請日: 2017-12-29
• 公開（公告）號: CN108182437B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 黃文瀚;程浩;柳超
• 申請（專利權）人: 北京金堤科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 王文紅

1.一種點選驗證碼識別方法，其特征在于，包括：

在驗證碼圖片中，獲取所有可選字符的定位信息，并獲取所述驗證碼圖片中包含所述可選字符的最小截圖；

對每個所述最小截圖進行字符識別，得到字符概率矩陣；所述概率矩陣的行表示所有截圖對應某字符的概率，列為某個截圖對應所有字符的概率；

根據所述字符概率矩陣和所述定位信息確定所述可選字符中的目標字符對應的坐標位置；

其中，所述“根據所述字符概率矩陣和所述定位信息確定所述可選字符中的目標字符對應的坐標位置”，包括：

確定所述可選字符中的所述目標字符；

在所述字符概率矩陣中，提取出與所述目標字符對應的目標概率矩陣區；

根據所述目標概率矩陣區和與所述目標字符對應的所述定位信息確定所述目標字符的坐標位置。

2.如權利要求1所述點選驗證碼識別方法，其特征在于，所述“根據所述目標概率矩陣區和與所述目標字符對應的所述定位信息確定所述目標字符的坐標位置”，包括：

提取所述目標概率矩陣區中的每個最小截圖對應的最大概率值；

在所述目標概率矩陣區中，刪除所述最大概率值所在的行和列中除所述最大概率值以外的所有數據，得到新的目標概率矩陣區；

根據所述新的目標概率矩陣區確定所述最小截圖對應的所述目標字符的坐標位置。

3.如權利要求1所述點選驗證碼識別方法，其特征在于，所述“對每個所述最小截圖進行字符識別，得到字符概率矩陣”，包括：

基于卷積神經網絡技術，對所述最小截圖進行識別，得到與所述最小截圖對應的包含預測概率值的預測概率結果；

構建行為所述預測概率結果，列為所述最小截圖的字符概率矩陣。

4.如權利要求3所述點選驗證碼識別方法，其特征在于，與每個所述最小截圖對應的所述預測概率結果中的所有所述預測概率值的和為1。

5.如權利要求1所述點選驗證碼識別方法，其特征在于，所述“在驗證碼圖片中，獲取所有可選字符的定位信息，并獲取所述驗證碼圖片中包含所述可選字符的最小截圖”，包括：

基于深度學習檢測框架，對所述驗證碼圖片中的可選字符進行框定，得到與所述可選字符對應的所述定位信息；

根據所述定位信息獲取所述驗證碼圖片中每個所述可選字符的所述最小截圖。

6.如權利要求5所述點選驗證碼識別方法，其特征在于，所述“基于深度學習檢測框架，對所述驗證碼圖片中的可選字符進行框定，得到與所述可選字符對應的所述定位信息”之前，還包括：

獲取包括預先標記出的每個所述可選字符的所述最小截圖的預設字符訓練集；

利用所述預設字符訓練集對所述深度學習檢測框架進行訓練，以便于所述深度學習檢測框架對輸入的所述驗證碼圖片中的所述可選字符進行框定和截圖。

7.一種點選驗證碼識別裝置，其特征在于，包括：獲取模塊、識別模塊和確定模塊；

所述獲取模塊，用于在驗證碼圖片中，獲取所有可選字符的定位信息，并獲取所述驗證碼圖片中包含所述可選字符的最小截圖；

所述識別模塊，用于對每個所述最小截圖進行字符識別，得到字符概率矩陣；所述概率矩陣的行表示所有截圖對應某字符的概率，列為某個截圖對應所有字符的概率；

所述確定模塊，用于根據所述字符概率矩陣和所述定位信息確定所述可選字符中的目標字符對應的坐標位置；

其中，“根據所述字符概率矩陣和所述定位信息確定所述可選字符中的目標字符對應的坐標位置”包括：

確定所述可選字符中的所述目標字符；

在所述字符概率矩陣中，提取出與所述目標字符對應的目標概率矩陣區；

根據所述目標概率矩陣區和與所述目標字符對應的所述定位信息確定所述目標字符的坐標位置。

8.一種用戶終端，其特征在于，包括存儲器及處理器，所述存儲器用于存儲點選驗證碼識別程序，所述處理器運行所述點選驗證碼識別程序以使所述用戶終端執行如權利要求1-6中任一項所述點選驗證碼識別方法。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上點選驗證碼識別程序，所述點選驗證碼識別程序被處理器執行時實現如權利要求1-6中任一項所述點選驗證碼識別方法。