基于深度学习使用CNN破解网站的图形验证码项目源码.zip

# 任务介绍 无论是在爬虫还是自动化项目中，经常会用到登录，而登录又经常会出现图片验证码。 本示例将使用Keras来搭建CNN开山之作——LeNet来破解一个网站的验证码 本实例代码修改自[Adam Geitgey的博文](https://medium.com/@ageitgey/how-to-break-a-captcha-system-in-15-minutes-with-machine-learning-dbebb035a710) 破解验证码的网站：https://www.139130.com/saas/findpwd.html # 0.前期准备 ## 环境搭建 代码在Python3.7的环境下调试通过，但讲道理Python3.x应该都没问题\ ### 安装Python3.7 可参考[廖雪峰的博客（含视频）](https://www.liaoxuefeng.com/wiki/1016959663602400/1016959856222624) 进阶的同学可以使用virtualenv来创建一个虚拟环境，以免不同代码之间的依赖相互影响：[virtualenv教程](https://www.liaoxuefeng.com/wiki/1016959663602400/1019273143120480) 或者使用PyCharm来新建虚拟环境：[Pycharm虚拟环境（Virtualenv）配置](https://www.jianshu.com/p/dcb281ee564e) ### 安装依赖 Python依赖都已记录在requirements.txt中，请尝试执行 ```bash pip install -r requirements.txt ``` **Tips** 本示例程序所需计算量不大，默认安装的是CPU版本的tensorflow，如需使用GPU版本，只需将requirments.txt中的tensorflow修改为tensorflow-gpu即可 ## 所需数据 我手动打码了一部分数据，保存在`captcha_images`文件夹下，解压即可，解压后`captcha_images/xuanwu`文件夹下将有大概400多张验证码照片 另外为了充实数据集，我们再使用类似的方法手动生成一些图片便于学习 我们使用Python的captcha库来生成验证码，但其默认生成的验证码带有干扰元素，为了让接下来的分割更容易，我们需要修改captcha包的源代码 > 以下操作非常不建议实践，但我实在太懒了…… > > 如果看了一遍之后不太清楚怎么操作，可以放心的忽略，直接进行第1步 1. 找到依赖的安装文件夹，可以执行`where pip`来查看并定位到`Lib\site-packages\captcha\image.py`文件 2. 将image.py的229和230号注释掉，以去掉噪声，like this： ``` 227 color = random_color(10, 200, random.randint(220, 255)) 228 im = self.create_captcha_image(chars, color, background) 229 # self.create_noise_dots(im, color) 230 # self.create_noise_curve(im, color) 231 im = im.filter(ImageFilter.SMOOTH) 232 return im ``` 3. 将image.py的197行注释掉，198行向前缩进一格，以保证所有的字符之间都有空格间隔，否则可能会相互连接在一起 ``` 195 images = [] 196 for c in chars: 197 # if random.random() > 0.5: 198 images.append(_draw_character(" ")) 199 images.append(_draw_character(c)) ``` # 1. 验证码图片分割为单个字符的图片 执行 ```bash python extract_single_letters_from_captchas.py ``` 为了减少机器学习的工作量，我们将验证码图片分割为4个字符的图片 分割的图片将保存在extracted_letter_images文件夹中 # 2. 训练模型 ```bash python train_model.py ``` 可能需要十几分钟的时间，如果感兴趣也可以尝试采用其他模型，比如常规的线性回归到更深的神经网络 # 3. 用训练好的模型识别验证码 ```bash python solve_captchas_with_model.py ```