【源码】基于Python和Keras框架的验证码识别系统

项目简介

本项目是基于Python和Keras框架的验证码识别系统，借助卷积神经网络（CNN）实现对台铁订票网站验证码的自动识别。通过生成模仿验证码图像作为训练数据，并结合真实验证码训练，达成了验证码的高精度识别。

项目的主要特性和功能

1. 验证码生成：模仿台铁验证码样式，生成含随机旋转、颜色变化和干扰线条的大量训练数据。
2. 模型训练：训练多个CNN模型，包括识别5码验证码的模型、识别6码验证码的模型以及判断验证码是5码还是6码的模型。
3. 数据增强：对真实验证码进行旋转、剪切和缩放等操作，增加训练数据的多样性。
4. 在线测试：在台铁订票网站进行在线测试，评估模型在真实环境中的识别效果。

安装使用步骤

环境准备

1. 安装Python 3.x环境。
2. 安装所需的Python库：TensorFlow（或TensorFlow GPU版本）、Keras、Pillow、NumPy。

数据准备

1. 运行 captcha_gen.py 生成模仿验证码的训练和验证数据。
2. 运行 captcha_scrawl.py 从台铁网站抓取真实验证码，并手动标注。
3. 运行 data_augment.py 对真实验证码进行数据增强。

模型训练

1. 运行 train_cnn_imitate_5.py 和 train_cnn_imitate_6.py 训练识别5码和6码验证码的模型。
2. 运行 train_cnn_imitate_56.py 训练判断验证码是5码还是6码的模型。
3. 运行 train_cnn_real_5.py 和 train_cnn_real_6.py 使用真实验证码训练模型。

模型测试

1. 运行 demo_cnn.py 使用测试集评估模型的识别效果。
2. 运行 demo_online.py 在台铁网站上进行在线测试，评估模型在真实环境中的表现。

注意事项

1. 本项目仅供学术研究使用，请勿用于非法用途。
2. 训练过程可能需要较长时间，建议使用GPU加速训练。
3. 在线测试时，请确保遵守相关法律法规，避免对网站服务器造成过大负担。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】