【摘要】：驗(yàn)證碼又稱為全自動(dòng)區(qū)分計(jì)算機(jī)和人類的圖靈測試。目前,驗(yàn)證碼在各類網(wǎng)站中,就是被用于區(qū)分惡意機(jī)器和合法人類用戶的一層安全防御機(jī)制。網(wǎng)站中目前部署最多的驗(yàn)證碼包括文本驗(yàn)證碼、圖像驗(yàn)證碼,由于基于圖像的驗(yàn)證碼需要更大的帶寬和更多的平臺(tái)限制,所以文本驗(yàn)證碼是目前驗(yàn)證碼中部署應(yīng)用最廣泛的驗(yàn)證碼。目前對(duì)于文本驗(yàn)證碼的識(shí)別,大都還使用基于字符分割的識(shí)別算法,這種算法每識(shí)別一種驗(yàn)證碼,就需要精心設(shè)計(jì)一個(gè)特定的分割算法,過程十分的繁瑣,且不具備不同驗(yàn)證碼之間的普適性。隨著深度學(xué)習(xí)技術(shù)的逐漸成熟,問題就會(huì)產(chǎn)生:首先,是否存在一種算法,無需預(yù)處理和字符分割,就可以端到端的整體識(shí)別驗(yàn)證碼,其次就是,該算法是否具有良好的通用性和高效性。本文對(duì)上述的兩個(gè)問題進(jìn)行了深入的研究和探討,本文的主要研究工作分為以下兩部分內(nèi)容:(1)提出一個(gè)端到端單步識(shí)別驗(yàn)證碼的通用算法。從最早期的簡單無噪聲的文本驗(yàn)證碼相繼被研究者們破解后,驗(yàn)證碼形式就逐步的向復(fù)雜的、難以辨認(rèn)的方向發(fā)展。驗(yàn)證碼圖像中包含了復(fù)雜的圖片背景干擾、字符粘連、扭曲,字符與字符之間難以找到一個(gè)有效的分割方法,這些都會(huì)給整體識(shí)別驗(yàn)證碼帶來一定的困難,所以為了能夠最終達(dá)到較高的通用性和高效性,本文結(jié)合深度卷積神經(jīng)網(wǎng)絡(luò),提出一個(gè)整體識(shí)別驗(yàn)證碼的算法,該算法只需將驗(yàn)證碼原圖作為輸入,經(jīng)過訓(xùn)練可以直接得到輸出,免去了預(yù)處理的流程,這也是該算法最大的優(yōu)勢之一。(2)驗(yàn)證該算法的通用性和有效性。首先,在線上驗(yàn)證碼上驗(yàn)證該算法。挑選谷歌、百度、Yandex、微軟驗(yàn)證碼,用該算法進(jìn)行識(shí)別。同時(shí)還從全球網(wǎng)站點(diǎn)擊量排名前50的網(wǎng)站中挑選出的8個(gè)網(wǎng)站,包括11種不同形式的驗(yàn)證碼。對(duì)于線上驗(yàn)證碼,破解率為79.0%到98.3%。其次,在模擬生成的驗(yàn)證碼上評(píng)估本文提出的方法。本文設(shè)計(jì)了一個(gè)驗(yàn)證碼的生成系統(tǒng),并用該系統(tǒng)生成了多種復(fù)雜度高的驗(yàn)證碼,其中包括組合所有抵御機(jī)制、中文大字符集、圖像風(fēng)格遷移、選擇機(jī)制、雙層機(jī)制的驗(yàn)證碼等。識(shí)別準(zhǔn)確率在3.31%到99.97%,識(shí)別速度在0.14秒內(nèi)。實(shí)驗(yàn)結(jié)果表明該算法具有高效性和實(shí)時(shí)性。本文還提出了一個(gè)通用的模型,可以使用一個(gè)模型同時(shí)識(shí)別多種不同的驗(yàn)證碼。最后,本文對(duì)未來文本驗(yàn)證碼的設(shè)計(jì)上提供了新的方向和建議。
【圖文】：

圖2.2 CNN 和 RNN 的基本結(jié)構(gòu)對(duì)比圖經(jīng)網(wǎng)絡(luò)（RecurrentNeuralNetwork,RNN）是由 JeffreyElman 構(gòu)與卷積神經(jīng)網(wǎng)絡(luò)（CNN）最大的區(qū)別在于，一個(gè)基礎(chǔ)的 CNN將前一層的輸出直接傳入下一層。而 RNN 主要解決與時(shí)間序.2(b)所示，RNN 的基礎(chǔ)結(jié)構(gòu)比 CNN 多了一個(gè)循環(huán)，將該循環(huán)個(gè)在時(shí)間上也進(jìn)行信息傳遞的神經(jīng)網(wǎng)絡(luò)，，隨著時(shí)間的推移，入給 t 時(shí)刻，以此類推。介紹 RNN 的相關(guān)參數(shù)和公式。圖 2.2(b)中的 U、V、W 分別指的權(quán)值、隱含層到輸出層 o 的權(quán)值、隱含層自循環(huán)的權(quán)值。隱式(2-1)： = ( + + ) f為激勵(lì)函數(shù)，b 為偏置。輸出層的計(jì)算方式如式(2-2)表示：

圖2.3 LSTM 的基本結(jié)構(gòu)可以從改變激勵(lì)函數(shù)或改變 RNN，該函數(shù)取值是 0 或 1，這樣避免hort Term Memory Network，LST記憶的問題。M 的基本結(jié)構(gòu)包含了輸入門、忘記(2-4)表示，主要負(fù)責(zé)控制該時(shí)刻的 是激勵(lì)函數(shù)。 表示現(xiàn)在的記憶刻 xt決定的，通過 tanh 激活后， = ( [ , ] + ) = tanh ( [ , ] + )(2-6)表示，主要負(fù)責(zé)控制上一時(shí)刻
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP309;TP393.092

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱麟;;字符分割技術(shù)的研究與應(yīng)用[J];科技展望;2016年34期

2 梁永貴;林江莉;陳科;;車牌圖像中字符分割方法[J];微計(jì)算機(jī)信息;2009年34期

3 張玉林;張永華;;基于自組織映射神經(jīng)網(wǎng)絡(luò)的粘連字符分割[J];山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

4 顧弘;趙光宙;齊冬蓮;孫峗;張建良;;車牌識(shí)別中先驗(yàn)知識(shí)的嵌入及字符分割方法[J];中國圖象圖形學(xué)報(bào);2010年05期

5 馬瑞;楊靜宇;;一種利用灰度信息和二值信息的手寫字符分割[J];計(jì)算機(jī)工程;2007年15期

6 趙海燕,白青海,裴志利;車牌字符分割前的顏色預(yù)處理[J];內(nèi)蒙古民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

7 楊玉東;李莉;高云富;曲曉威;林琳;楊茜;白鵬輝;王瑜;;兩種文本類型驗(yàn)證碼字符分割提取方法[J];北華大學(xué)學(xué)報(bào)(自然科學(xué)版);2019年01期

8 周鳳香;;一種新的表格字符分割算法的研究與實(shí)現(xiàn)[J];數(shù)字技術(shù)與應(yīng)用;2016年03期

9 李文舉;姜周恩;朱正強(qiáng);崔曉松;;利用反饋的車牌字符分割算法[J];計(jì)算機(jī)應(yīng)用與軟件;2011年04期

10 王枚;王國宏;;基于伴生與互補(bǔ)顏色特征的車牌字符分割新方法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2007年01期

相關(guān)會(huì)議論文 前3條

1 李冬梅;牛長流;;運(yùn)動(dòng)車輛的牌照識(shí)別[A];2009通信理論與技術(shù)新發(fā)展——第十四屆全國青年通信學(xué)術(shù)會(huì)議論文集[C];2009年

2 胡偉平;王日鳳;;基于閾值分割與區(qū)域生長的車牌識(shí)別方法[A];廣西計(jì)算機(jī)學(xué)會(huì)2015年學(xué)術(shù)年會(huì)論文集[C];2015年

3 楊焯硯;徐益君;張俊如;;車牌識(shí)別算法的研究和實(shí)現(xiàn)[A];2009年中國高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前5條

1 馬瑞;非限制手寫字符分割中相關(guān)技術(shù)與算法的研究[D];南京理工大學(xué);2007年

2 李學(xué)勇;金屬標(biāo)牌壓印凹凸字符的特征提取和識(shí)別方法研究[D];山東大學(xué);2008年

3 陳為;基于變化方向光源的壓印立體字符分割方法的研究[D];山東大學(xué);2013年

4 陳振學(xué);基于特征顯著性的目標(biāo)識(shí)別方法及其應(yīng)用研究[D];華中科技大學(xué);2007年

5 李波;基于圖像分析的車輛識(shí)別與跟蹤若干關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 佘爽;對(duì)抗生成訓(xùn)練樣本用于復(fù)雜環(huán)境下車牌端到端識(shí)別[D];廣東工業(yè)大學(xué);2019年

2 陽光;基于支持向量機(jī)和深度學(xué)習(xí)的車牌識(shí)別技術(shù)研究[D];成都理工大學(xué);2019年

3 宋琦悅;扭曲粘連驗(yàn)證碼識(shí)別算法研究[D];西安電子科技大學(xué);2019年

4 程舟航;端到端文本驗(yàn)證碼識(shí)別[D];西安電子科技大學(xué);2019年

5 黃良俊;復(fù)雜環(huán)境下的車牌識(shí)別算法研究[D];合肥工業(yè)大學(xué);2019年

6 翁祖輝;單指針與數(shù)字式儀表遠(yuǎn)程讀數(shù)識(shí)別定位研究[D];電子科技大學(xué);2019年

7 林惠;基于深度學(xué)習(xí)的芯片字符實(shí)時(shí)識(shí)別方法研究[D];華中科技大學(xué);2019年

8 駱俊;復(fù)雜條件下車牌識(shí)別方法的研究與實(shí)現(xiàn)[D];西南石油大學(xué);2018年

9 阿薩（Asad Khan）;基于彩色圖像檢測的車牌自動(dòng)分割與識(shí)別[D];北京郵電大學(xué);2019年

10 劉潔;實(shí)時(shí)車牌識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];山東大學(xué);2019年

本文編號(hào)：2594239