陳振昂，黃星期，秦中元

〔1.東南大學(xué)網(wǎng)絡(luò)空間安全學(xué)院，江蘇南京 211189；2.網(wǎng)絡(luò)空間國(guó)際治理研究基地（東南大學(xué)），江蘇南京211189〕

1 引言

驗(yàn)證碼技術(shù)的全稱(chēng)是“全自動(dòng)區(qū)分計(jì)算機(jī)和人類(lèi)的圖靈測(cè)試”（Completely Automated Public Test to tell Computer and Humans Apart，CAPTCHA），基本思想：根據(jù)預(yù)先人為制定的規(guī)則，由計(jì)算機(jī)系統(tǒng)自動(dòng)生成一個(gè)用戶可以很容易解決但是計(jì)算機(jī)系統(tǒng)卻很難或者根本無(wú)法解決的問(wèn)題。其中文本驗(yàn)證碼是使用最廣泛的驗(yàn)證碼技術(shù)之一，目前對(duì)于它的識(shí)別研究已經(jīng)成為了一個(gè)比較熱門(mén)的領(lǐng)域[1]。

George D等人[2]根據(jù)神經(jīng)科學(xué)基礎(chǔ)—人體記憶物體時(shí)總是同時(shí)記憶該物體的輪廓和表面特征，提出了遞歸皮層網(wǎng)絡(luò)（Recursive Cortical Network，RCN），將驗(yàn)證碼的識(shí)別過(guò)程分為表征、推理和學(xué)習(xí)三個(gè)步驟。盡管該方案能獲得較好的識(shí)別準(zhǔn)確率，對(duì)訓(xùn)練集樣本數(shù)量要求要較低，但計(jì)算量龐大，需要較好的硬件設(shè)備。Dazhen Lin等人[3]針對(duì)基于漢字的驗(yàn)證碼提出了新的卷積神經(jīng)網(wǎng)絡(luò)模型，對(duì)混合干擾的驗(yàn)證碼進(jìn)行測(cè)試，識(shí)別準(zhǔn)確率均達(dá)到85%以上。但實(shí)驗(yàn)樣本字符間有明顯間隔，且反分割手段較差。Xing Wu等人[4]對(duì)帶有噪聲的可變長(zhǎng)的基于漢字的文本驗(yàn)證碼進(jìn)行了研究，實(shí)驗(yàn)結(jié)果表明，所提出的方法能夠有效地識(shí)別出帶有噪聲的可變長(zhǎng)漢字驗(yàn)證碼。但該方法受數(shù)據(jù)集影響明顯，并且字符分割方案不適用于具有復(fù)雜反分割手段的驗(yàn)證碼。

基于國(guó)內(nèi)外學(xué)者的研究，本文提出了一種基于圖像處理和卷積神經(jīng)網(wǎng)絡(luò)的文本驗(yàn)證碼識(shí)別方案，本文設(shè)計(jì)的圖像分割算法具有較好的通用性，能夠有效提取出字符并且識(shí)別具有較高的準(zhǔn)確率。

2 相關(guān)工作

2.1 預(yù)處理

原始驗(yàn)證碼圖片一般為RGB彩色圖片，并且?guī)в性肼暬【€等干擾。預(yù)處理階段的主要目的是去除驗(yàn)證碼圖片中的冗余信息（如背景顏色、噪聲弧線等）。此階段的流程如圖1所示。其中，二值化過(guò)程采用最大類(lèi)間方差法，采用3×3的中值濾波去除噪聲。經(jīng)過(guò)預(yù)處理的圖像如圖2所示。

圖1 預(yù)處理流程圖

圖2 預(yù)處理效果圖

2.2 腐蝕

形態(tài)學(xué)腐蝕[5]可以細(xì)化字符，從而進(jìn)一步減少噪聲，并去除毛刺，腐蝕后的效果圖如圖3所示。

2.3 顏色填充算法

顏色填充算法（Color Filling Segmentation，CFS）[6]是一種連通域分割算法，其基本思想是以某一像素點(diǎn)為起始點(diǎn)遍歷其所在的連通域。但是此方法的缺陷在于無(wú)法將斷裂的字符識(shí)別為同一連通域，因此本文將對(duì)其改進(jìn)。

圖3 形態(tài)學(xué)腐蝕效果圖

2.4 滴水算法

滴水算法是一種用于分割手寫(xiě)粘連字符的算法，它模擬水滴的滾動(dòng)，通過(guò)水滴的滾動(dòng)路徑來(lái)分割字符，可以解決直線切割造成的過(guò)分分割問(wèn)題。但該方法無(wú)法處理圖中的水平線條遇到邊界導(dǎo)致算法異常結(jié)束，因此本文將對(duì)其改進(jìn)。

3 字符分割

3.1 改進(jìn)顏色填充算法

本文研究方案對(duì)顏色填充算法做三個(gè)方面的修改：

（1）去除像素個(gè)數(shù)小于6的連通域；

（2）合并邊界重合率達(dá)到70%以上的連通域；

（3）計(jì)算保留連通域的平均像素個(gè)數(shù)，設(shè)為T(mén)，去除像素個(gè)數(shù)小于T的四分之一的連通域。

值得說(shuō)明的是，邊界重合率是兩個(gè)不同連通域的位置重合程度指標(biāo)。設(shè)連通域1的橫坐標(biāo)范圍為[a,b]，連通域2的橫坐標(biāo)范圍為[c,d](其中a

算法效果如圖4所示。

圖4 改進(jìn)顏色填充算法效果

3.2 改進(jìn)的滴水算法

為更好分割字符，本文對(duì)滴水算法做出的修改為：

（1）水滴水平滾動(dòng)時(shí)，記錄其左右邊界，當(dāng)邊界距離超過(guò)8像素或再次到達(dá)邊界時(shí)，取中心位置為下一滴落點(diǎn)；

（2）水滴到達(dá)底部時(shí)，若距離其左側(cè)邊界過(guò)近（小于右側(cè)三分之一）或過(guò)遠(yuǎn)（大于右側(cè)的3倍），則將水滴起始位置分別向右或向左移動(dòng)1像素，重新開(kāi)始算法，校正次數(shù)超過(guò)8次，便判定為分割失敗。

滴水算法效果圖如圖5所示。

圖5 改進(jìn)的滴水算法效果圖

3.3 提取字符

對(duì)于已經(jīng)預(yù)處理完畢的圖片，如果顏色填充算法所得連通域個(gè)數(shù)正好等于實(shí)際字符個(gè)數(shù)，則直接使用連通域分割，否則，使用滴水算法分割。

如圖6所示為提取的字符效果圖，為降低后續(xù)計(jì)算量，將其壓縮到32×32。

圖6 提取字符效果圖

4 字符識(shí)別

本文利用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）構(gòu)建了一個(gè)模型，并使用字符信息對(duì)其進(jìn)行訓(xùn)練。

4.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

本文設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)包含三個(gè)卷積層、三個(gè)池化層、兩個(gè)全連接層等，具體架構(gòu)參數(shù)如表1所示。

表1 CNN模型架構(gòu)參數(shù)列表

4.2 中心損失

中心損失（Center Loss）函數(shù)是由Wen Y等人[7]針對(duì)人臉識(shí)別任務(wù)提出的一種可以增強(qiáng)深度學(xué)習(xí)模型判別力的損失函數(shù)。中心損失會(huì)學(xué)習(xí)每個(gè)類(lèi)的深層特征從而得到一個(gè)類(lèi)中心，并懲罰每個(gè)深層特征與其對(duì)應(yīng)類(lèi)中心的距離，即更關(guān)注類(lèi)內(nèi)差異。

具體實(shí)現(xiàn)過(guò)程可概括為：

（1）初始化類(lèi)中心、學(xué)習(xí)率等參數(shù)；

表2 實(shí)驗(yàn)數(shù)據(jù)集

（2）如果已收斂，則結(jié)束；否則根據(jù)每批次輸入數(shù)據(jù)計(jì)算中心損失，根據(jù)梯度計(jì)算反向傳播誤差，再更新每個(gè)類(lèi)的中心。

在本文設(shè)計(jì)的方案中，類(lèi)深度特征中心的學(xué)習(xí)率η與誤差反向傳播的學(xué)習(xí)率相同，中心損失占總損失的權(quán)重λ為0.01。

5 實(shí)驗(yàn)結(jié)果

5.1 實(shí)驗(yàn)數(shù)據(jù)集

本文數(shù)據(jù)集均來(lái)自生成和網(wǎng)絡(luò)采集，具體如表2所示。

5.2 字符分割算法評(píng)估

本文設(shè)計(jì)并實(shí)現(xiàn)的字符分割算法，聯(lián)合投影分析、顏色填充算法等多種技術(shù)進(jìn)行字符預(yù)分割操作，根據(jù)每張驗(yàn)證碼圖片中字符間的實(shí)際情況決定采用連通域分割或者修改的滴水算法分割，從而提取出獨(dú)立字符。本文對(duì)于表2中的實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行了試驗(yàn)評(píng)估，各數(shù)據(jù)集的字符分割成功率如表3所示?？梢钥闯?，本文的方法在各數(shù)據(jù)集上的效果都很好。

5.3 模型評(píng)估

為了進(jìn)一步評(píng)估本文提出的文本驗(yàn)證碼識(shí)別算法，本文還將實(shí)驗(yàn)結(jié)果與相關(guān)研究進(jìn)行了比較。本文復(fù)現(xiàn)了引言中提到的各方案，在各數(shù)據(jù)集上識(shí)別準(zhǔn)確率的比較如表4所示，可以看出本文提出的方案在各實(shí)驗(yàn)數(shù)據(jù)集上均能表現(xiàn)出一定優(yōu)勢(shì)，僅在實(shí)驗(yàn)數(shù)據(jù)集F和H略遜于RCN和FRN，這是由于本文使用了CNN作為識(shí)別網(wǎng)絡(luò)，該網(wǎng)絡(luò)需要較龐大的訓(xùn)練數(shù)據(jù)集，而實(shí)驗(yàn)數(shù)據(jù)集F和H卻偏小，造成了一定的過(guò)擬合，但在實(shí)驗(yàn)數(shù)據(jù)集G和I（分別是對(duì)數(shù)據(jù)集F和H的擴(kuò)充）上，本文方案識(shí)別準(zhǔn)確率取得了明顯的提升，可以超過(guò)使用RCN和FRN的方案。值得說(shuō)明的是，表4中存在一些空缺項(xiàng)，空缺原因是該算法不適用于對(duì)應(yīng)的數(shù)據(jù)集。

總體來(lái)看，本文提出的文本驗(yàn)證碼識(shí)別方案對(duì)于字符獨(dú)立和存在字符粘連、噪聲塊與噪聲線等反分割設(shè)計(jì)的文本驗(yàn)證碼均能表現(xiàn)出更好的識(shí)別性能，當(dāng)字符訓(xùn)練數(shù)據(jù)集較小時(shí)也能通過(guò)擴(kuò)充的方式提高識(shí)別準(zhǔn)確率。

6 結(jié)束語(yǔ)

驗(yàn)證碼是互聯(lián)網(wǎng)業(yè)務(wù)的安全基礎(chǔ)設(shè)施之一,也是目前保障電子商務(wù)業(yè)務(wù)安全的重要環(huán)節(jié)之一。本文提出了一種通用的文本驗(yàn)證碼識(shí)別方案，即先進(jìn)行預(yù)處理，再使用改進(jìn)的顏色填充算法和滴水算法進(jìn)行字符分割，最后進(jìn)行字符識(shí)別。此外，本文構(gòu)建了一個(gè)具有三個(gè)卷積層、三個(gè)池化層、兩個(gè)全連接層的卷積神經(jīng)網(wǎng)絡(luò)，并引入了中心損失來(lái)最小化類(lèi)內(nèi)差異。實(shí)驗(yàn)部分，本文復(fù)現(xiàn)了四種典型的文本驗(yàn)證碼方法，通過(guò)準(zhǔn)確率的比較發(fā)現(xiàn)，本文提出的方案在各實(shí)驗(yàn)數(shù)據(jù)集上均能表現(xiàn)出一定優(yōu)勢(shì)。雖然在數(shù)據(jù)集F和H上不如RCN和FRN，但是在擴(kuò)充數(shù)據(jù)集G和I上，解決了過(guò)擬合現(xiàn)象后，實(shí)現(xiàn)了準(zhǔn)確率的明顯提升。實(shí)驗(yàn)結(jié)果表明，本文提出的方法能夠有效提取出驗(yàn)證碼字符，并且能獲得更高的識(shí)別準(zhǔn)確率。