目标检测初体验（三）破解滑动验证码

淡淡的烟草味﹌ 2023-02-11 10:22 6阅读 0赞

在我们日常登录或注册某个网站的时候，经常会出现滑动验证码，如下图：  
![滑动验证码的例子][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70_pic_center]  
  本文将会讲述如何利用darknet来破解滑动验证码，我们只要找到图片中的缺口就可以了。

### 数据的采集和标注 ###

笔者利用爬虫在某网站爬取了约300张带缺口的滑动验证码的图片，并对这些验证码图片进行标注，即标注缺口的位置。  
  我们使用的标注工具为`labelImg`，这是图像标注方面一个非常好用的GUI工具。网上已经有很多关于安装`labelImg`的教程，本文不再具体介绍。我们打开`labelImg`，如下图：  
![labelImg][]  
  在`labelImg`中我们选择打开目录，选择标注图片所在的目录，并进行标注。标注的时候，先选择创建区块，标注滑动验证码中缺口所在的矩形框，并保存其类别（这里我们将类别设置为box），标注的例子如下：  
![标注的例子][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70_pic_center 1]  
标注完当前图片后，点击保存，默认保存路径为标注图片所在文件夹，文件格式为xml，名字与图片名字一致，比如上图标注后生成的xml文件内容如下：

<annotation>
    	<folder>images</folder>
    	<filename>1.jpg</filename>
    	<path>/Users/jclian/PycharmProjects/SlideCaptcha/images/1.jpg</path>
    	<source>
    		<database>Unknown</database>
    	</source>
    	<size>
    		<width>480</width>
    		<height>240</height>
    		<depth>3</depth>
    	</size>
    	<segmented>0</segmented>
    	<object>
    		<name>box</name>
    		<pose>Unspecified</pose>
    		<truncated>0</truncated>
    		<difficult>0</difficult>
    		<bndbox>
    			<xmin>319</xmin>
    			<ymin>102</ymin>
    			<xmax>387</xmax>
    			<ymax>170</ymax>
    		</bndbox>
    	</object>
    </annotation>

上述的xml文件告诉我们很多信息，在size中我们可以知道标注图片的大小，在object中我们可以知道标注的矩形框的位置信息和类别名称。  
  在`labelImg`中点击下一张即可进行下一章图片的标注。我们需要花费不少时间来完成爬取的约300张图片的标注，不要怕麻烦。

### 数据处理 ###

在这一步中，我们将把标注的图片进行数据处理，加工成darknet所支持的数据格式。  
  整个项目的结构如下：  
![项目结构][20200523160944218.png_pic_center]  
我们的标注图片位于slide\_train\_images目录下，利用read\_xml\_2\_label.py脚本，将标注的xml文档转化为darknet支持的txt形式，并记录训练图片的路径。脚本代码如下：

# -*- coding: utf-8 -*-
    # author: Jclian91
    # place: Pudong Shanghai
    # time: 2020/5/16 1:06 下午
    import os
    import xml.etree.ElementTree as ET
    
    
    # change a single xml to txt
    def single_xml_to_txt(xml_file):
        tree = ET.parse(xml_file)
        root = tree.getroot()
        # txt saved file path
        if not os.path.exists("../slide_captcha_train_labels"):
            os.system("mkdir ../slide_captcha_train_labels")
    
        txt_file = "../slide_captcha_train_labels/%s" % xml_file.split("/")[-1].replace(".xml", ".txt")
        with open(txt_file, 'w') as txt_file:
            for member in root.findall('object'):
    
                picture_width = int(root.find('size')[0].text)
                picture_height = int(root.find('size')[1].text)
                class_name = member[0].text
    
                # 类名对应的index
                class_num = class_names.index(class_name)
                box_x_min = int(member[4][0].text)  # 左上角横坐标
                print(xml_file, "box_x_min", box_x_min)
                box_y_min = int(member[4][1].text)  # 左上角纵坐标
                box_x_max = int(member[4][2].text)  # 右下角横坐标
                box_y_max = int(member[4][3].text)  # 右下角纵坐标
                # 转成相对位置和宽高
                x_center = (box_x_min + box_x_max) / (2 * picture_width)
                y_center = (box_y_min + box_y_max) / (2 * picture_height)
                width = (box_x_max - box_x_min) / picture_width
                height = (box_y_max - box_y_min) / picture_height
                print(class_num, x_center, y_center, width, height)
                txt_file.write(str(class_num) + ' ' + str(x_center) + ' ' + str(y_center) + ' ' + str(width) + ' ' + str(height) + '\n')
    
    
    # 转换文件夹下的所有xml文件为txt
    def dir_xml_to_txt(dir_path):
        for file in os.listdir(dir_path):
            if file.endswith(".xml"):
                xml_file = os.path.join(dir_path, file)
                single_xml_to_txt(xml_file)
            with open("../slide_captcha_train.txt", "a", encoding="utf-8") as h:
                if file.endswith(".jpg"):
                    h.write(os.path.join(dir_path, file).replace("../", "")+"\n")
    
    
    if __name__ == '__main__':
        # class name
        class_names = ['box']
        # path of XML files
        dir_path = '../slide_captcha_train_images'
        dir_xml_to_txt(dir_path)

生成的slide\_captcha\_train\_labels下的0.txt文件的内容如下：

0 0.7604166666666666 0.44583333333333336 0.14166666666666666 0.2833333333333333

其中0为类别编号，这里只有一类，因此所有的类别编号均为0。后面的数字为标注的矩形框的x中心点，y中心点，宽度，高度与图片的宽度、高度的比值。同时，生成的slide\_captcha\_train.txt（记录训练图片的路径）的前几行如下：

slide_captcha_train_images/63.jpg
    slide_captcha_train_images/189.jpg
    slide_captcha_train_images/77.jpg
    slide_captcha_train_images/162.jpg
    slide_captcha_train_images/176.jpg
    slide_captcha_train_images/88.jpg

slide\_captcha.names存储本次识别的类别名称，即`box`；slide\_captcha.data储存训练和验证数据信息，如下：

classes= 1
    train = train.txt
    valid = val.txt
    names = slide_captcha.names
    backup = backup

其中val.txt为空，模型训练过程中生成的模型文件保存在backup文件夹中。

### 模型训练 ###

关于模型训练方面的具体步骤，可以参考文章 [目标检测初体验（二）自制人脸检测功能][Link 1] 。  
  笔者在GPU上利用以下脚本进行模型训练：

./darknet detector train slide_captcha.data cfg/yolov3-tiny.cfg ./weights/darknet53.conv.74 --gpus 1,2,8,9

训练结果如下：  
![模型训练结果][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70_pic_center 2]

### 模型预测 ###

我们利用已经训练好的模型对新的滑动验证码图片进行验证，使用以下命令：

./darknet detector test slide_captcha.data cfg/yolov3-tiny.cfg slide_captcha_model/yolov3-tiny.backup test_images/1.jpg -thresh 0.5 --gpus 1,2,8,9

下面给出在几张新的滑动验证码图片上的识别结果：

![识别结果1][1]  
![识别结果2][2]  
![识别结果3][3]

### 总结 ###

darknet在目标检测方面的效果确实很不错，如果我们肯用心去想，也许还会有很多有趣的应用，笔者后面将会讲解`点选验证码的识别`和`车牌识别`等方面的内容。  
  CV在很多方面确实比NLP成熟很多，不管是模型，还是效果，还是应用。  
  本文中笔者用到的数据集稍后会公开至Github项目。同时，笔者也深感国内在共享数据集这方面确实做得不够好，很多文章会有这方面的内容，但却不会公开数据，这无疑是令人失望。  
  感谢大家的阅读，欢迎持续关注~

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70_pic_center]: https://img-blog.csdnimg.cn/20200523153318295.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx,size_16,color_FFFFFF,t_70#pic_center
[labelImg]: https://img-blog.csdnimg.cn/20200523153941873.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70_pic_center 1]: https://img-blog.csdnimg.cn/2020052315543764.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx,size_16,color_FFFFFF,t_70#pic_center
[20200523160944218.png_pic_center]: https://img-blog.csdnimg.cn/20200523160944218.png#pic_center
[Link 1]: https://blog.csdn.net/jclian91/article/details/106084113
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70_pic_center 2]: https://img-blog.csdnimg.cn/20200524192345253.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx,size_16,color_FFFFFF,t_70#pic_center
[1]: https://img-blog.csdnimg.cn/2020052419414982.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx,size_16,color_FFFFFF,t_70#pic_center
[2]: https://img-blog.csdnimg.cn/20200524194548828.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx,size_16,color_FFFFFF,t_70#pic_center
[3]: https://img-blog.csdnimg.cn/20200524194701478.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx,size_16,color_FFFFFF,t_70#pic_center