当前位置:   article > 正文

python 使用ddddocr库实现滑块验证码滑动验证_ddddocr滑块验证码

ddddocr滑块验证码

一. 识别滑块缺口

  1. 使用ddddocr识别
    该算法识别准确率为95%左右,测试三轮,每轮测试100次

  1. def generate_distance(slice_url, bg_url):
  2. """
  3. :param bg_url: 背景图地址
  4. :param slice_url: 滑块图地址
  5. :return: distance
  6. :rtype: Integer
  7. """
  8. slide = ddddocr.DdddOcr(det=False, ocr=False, show_ad=False)
  9. slice_image = requests.get(slice_url).content
  10. bg_image = requests.get(bg_url).content
  11. result = slide.slide_match(target_bytes, bg_image, simple_target=True)
  12. return result['target'][0]
  1. 使用cv2识别
    该算法识别准确率为95%左右,测试三轮,每轮测试100次

  1. def generate_distance(slice_url, bg_url):
  2. """
  3. :param bg_url: 背景图地址
  4. :param slice_url: 滑块图地址
  5. :return: distance
  6. :rtype: Integer
  7. """
  8. slice_image = np.asarray(bytearray(requests.get(slice_url).content), dtype=np.uint8)
  9. slice_image = cv2.imdecode(slice_image, 1)
  10. slice_image = cv2.Canny(slice_image, 255, 255)
  11. bg_image = np.asarray(bytearray(requests.get(bg_url).content), dtype=np.uint8)
  12. bg_image = cv2.imdecode(bg_image, 1)
  13. bg_image = cv2.pyrMeanShiftFiltering(bg_image, 5, 50)
  14. bg_image = cv2.Canny(bg_image, 255, 255)
  15. result = cv2.matchTemplate(bg_image, slice_image, cv2.TM_CCOEFF_NORMED)
  16. min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
  17. return max_loc[0]

二. 构造滑块轨迹

  1. 构造轨迹库
    图片长度为300,理论上就300种轨迹,实际上应该是200+种,还要减去滑块图的长度80
    手动滑他个几百次,并把距离和轨迹记录下来,识别出距离后直接查对应轨迹
  2. 算法构造轨迹track

  1. def generate_track(distance):
  2. def __ease_out_expo(step):
  3. return 1 if step == 1 else 1 - pow(2, -10 * step)
  4. tracks = [[random.randint(20, 60), random.randint(10, 40), 0]]
  5. count = 30 + int(distance / 2)
  6. _x, _y = 0, 0
  7. for item in range(count):
  8. x = round(__ease_out_expo(item / count) * distance)
  9. t = random.randint(10, 20)
  10. if x == _x:
  11. continue
  12. tracks.append([x - _x, _y, t])
  13. _x = x
  14. tracks.append([0, 0, random.randint(200, 300)])
  15. times = sum([track[2] for track in tracks])
  16. return tracks, times

三. 结语

本篇文章篇幅不长,主要也没啥好说的,验证码研究多了,识别和轨迹就那几套方法,换汤不换药
函数a(e, t)中的重头戏:c.guid()、_.encrypt()、i.encrypt()、c.arrayToHex()四个函数我们放到浩瀚篇再说吧,不然我这紫极魔瞳四大境界变成三大境界了,哈哈哈


 

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/我家小花儿/article/detail/1002222
推荐阅读
相关标签
  

闽ICP备14008679号