[發明專利]一種混合型驗證碼的識別方法及系統

在審

• 申請號: 201911155291.0
• 申請日: 2019-11-22
• 公開（公告）號: CN110956177A
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 袁貴乾
• 申請（專利權）人: 成都市映潮科技股份有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/46;G06K9/62;G06F21/36;G06N3/04
• 代理公司: 成都創新引擎知識產權代理有限公司 51249
• 代理人: 向群

1.一種混合型驗證碼的識別方法，其特征在于，包括如下步驟：

訓練樣本準備步驟：準備包括數字圖形屬性、計算題圖形屬性以及字母數字圖形屬性三類圖形的訓練樣本集；

SIFT特征提取步驟：經過尺度空間極值檢測，搜索所有尺度上的圖像位置，接著在每個候選位置上通過一個擬合精細的模型來確定位置和尺度，找到關鍵點，然后再給每個關鍵點位置分配一個或多個方向，最后生成SIFT特征描述向量；

k-mean聚類步驟：由把SIFT特征描述向量集為K個類別進行聚類：先選取K個類的初始中心，接著在迭代中分別求各SIFT特征描述向量到K個中心的距離，將各個SIFT特征描述向量歸到距離最短的中心所在類；

類識別模型訓練步驟：將SIFT特征向量傳入類識別模型，得到一個模型文件，里面實現了三種屬性圖片的類識別模型，該類識別模型可以分辨出圖形驗證碼的屬性；

識別步驟：根據類識別模型分辨出未知類型的圖形屬于哪種屬性圖形，然后按照屬性類別代入卷積識別模型中，獲得未知類型的圖形驗證結果。

2.根據權利要求1所述的一種混合型驗證碼的識別方法，其特征在于：數字圖形屬性、計算題圖形屬性以及字母數字圖形屬性的各類圖形樣本不得低于1萬張。

3.根據權利要求1所述的一種混合型驗證碼的識別方法，其特征在于：在k-mean聚類步驟中，迭代時分別求各SIFT特征描述向量到K個中心的歐式距離。

4.根據權利要求1或3所述的一種混合型驗證碼的識別方法，其特征在于：求各SIFT特征描述向量到K個中心的歐式距離之后，利用均值方法更新K個類的中心值，更新K個類的中心值后，再計算各SIFT特征描述向量到更新后的K個類的中心值的距離，如此反復，直到滿足終止條件時退出迭代，得到三種類型的均值向量。

5.根據權利要求4所述的一種混合型驗證碼的識別方法，其特征在于：終止條件為沒有對象被重新分配給不同的聚類或者類的中心值的移動距離為0時，退出迭代。

6.根據權利要求1或5所述的一種混合型驗證碼的識別方法，其特征在于：隨機選取K個對象作為初始的聚類中心，K＝5。

7.根據權利要求1所述的一種混合型驗證碼的識別方法，其特征在于：類識別模型訓練步驟中，選用SVM模型對圖形驗證碼的屬性進行訓練：將SIFT特征描述向量傳入SVM實現類，得到一個模型文件，里面實現了三種屬性圖片的SVM模型，該SVM模型可以分辨出圖形驗證碼的屬性。

8.根據權利要求1所述的一種混合型驗證碼的識別方法，其特征在于：在識別步驟中，先將訓練樣本三種屬性的圖片利用卷積神經網絡算法灰度化，再將圖片的像素點作為矩陣值，通過多個卷積核得出三種屬性圖片的卷積識別模型，通過卷積識別模型識別出其中一種屬性圖片具體的值。

9.根據權利要求1所述的一種混合型驗證碼的識別方法，其特征在于：先將未知類型的圖形驗證碼通過SIFT算法提取出SIFT特征描述向量，接著根據SVM模型分辨出屬于哪種屬性圖形，然后按照屬性類別代入卷積識別模型中，最終得到具體的值。

10.一種混合型驗證碼的識別系統，其特征在于，所述系統包括：

訓練樣本模塊，用于提供包括數字圖形屬性、計算題圖形屬性以及字母數字圖形屬性三類圖形的訓練樣本集；

SIFT特征提取模塊：用于計算圖片的SIFT特征描述向量；

k-mean聚類模塊：根據SIFT特征提取模塊得到的SIFT特征描述向量計算SIFT特征描述向量所在的類；

類識別模型訓練模塊：根據訓練樣本，進行類識別模型的訓練，最后得到類識別模型；

識別模塊：根據類識別模型訓練模塊的類識別模型確定圖片的屬性，然后按照屬性類別代入卷積識別模型中，最終得到具體的識別結果值。