一种基于人工神经网络模型的图片字符识别方法、装置和电子设备制造方法及图纸

本发明专利技术公开了一种基于人工神经网络模型的图片字符识别方法、装置、电子设备及计算机可读存储介质。该方法包括：从目标对象网站上获取标示字符的验证码图片；对所述验证码图片，确定图片所对应的实际文字序列；将图片及其对应的文字序列作为训练数据，输入到人工神经网络模型中进行训练，并将训练好的人工神经网络模型应用于目标对象网站，实现高效识别验证码图片中的字符，为用户授权提供更好的交互体验。

【技术实现步骤摘要】
一种基于人工神经网络模型的图片字符识别方法、装置和电子设备
本专利技术涉及计算机信息处理领域，具体而言，涉及一种基于人工神经网络模型的图片字符识别方法、装置、电子设备及计算机可读介质。
技术介绍
用户在进行账户登陆时常需要进行验证码验证，系统需自动核对用户输入的字符串与验证码图片上的显示字符相同与否。对于核对方案，现有技术通过提取验证码图片，对图片进行干扰过滤、灰度、二值化、降噪等处理后，从图片中机器识别出验证码字符，再与用户输入值进行比对获得结果，该方法对符合固定大小、字符固定位置、固定字体、固定颜色的图片有较高的识别度，但对其他的图片识别能力较低，识别结构精确度不高。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的基于人工神经网络模型的图片字符识别方法、装置、电子设备及计算机可读存储介质。依据本专利技术的一个方面，提供了一种基于人工神经网络模型的图片字符识别方法，包括：从目标对象网站上获取标示字符的验证码图片；对所述验证码图片，确定图片所对应的实际文字序列；将图片及其对应的文字序列作为训练数据，输入到人工神经网络模型中进行训练，并将训练好的人工神经网络模型应用于目标对象网站。可选地，所述确定图片所对应的实际文字序列，进一步包括：将所述图片发送给图片解析平台，获取图片解析平台反馈的对应图片的实际文字序列。可选地，所述将训练好的人工神经网络模型应用于目标对象网站，进一步包括：所述对象网站通过API接口来调用所述人工神经网络模型。可选地，所述图片统一从同一个目标对象网站中获取。可选地，所述人工神经网络模型进一步应用于对象网站的登陆服务。可选地，所述人工神经网络模型具体是基于CNN+RNN的图片字符识别模型。依据本专利技术的另一个方面，提供了一种基于人工神经网络模型的图片字符识别装置，包括：验证码获取模块，用于从目标对象网站上获取标示字符的验证码图片；序列确定模块，用于对所述验证码图片，确定图片所对应的实际文字序列；训练模块，用于将图片及其对应的文字序列作为训练数据，输入到人工神经网络模型中进行训练，并将训练好的人工神经网络模型应用于目标对象网站。可选地，所述序列确定模块，进一步用于：将所述图片发送给图片解析平台，获取图片解析平台反馈的对应图片的实际文字序列。可选地，所述训练模块，进一步用于：所述对象网站通过API接口来调用所述人工神经网络模型。可选地，所述图片统一从同一个目标对象网站中获取。可选地，所述人工神经网络模型进一步应用于对象网站的登陆服务。可选地，所述人工神经网络模型具体是基于CNN+RNN的图片字符识别模型。依据本专利技术的另一个方面，提供了一种电子设备，其中，该电子设备包括：处理器；以及，被安排成存储计算机可执行指令的存储器，可执行指令在被执行时使处理器执行上述的方法。依据本专利技术的另一个方面，提供了一种计算机可读存储介质，其中，计算机可读存储介质存储一个或多个程序，一个或多个程序当被处理器执行时，实现上述的方法。有益效果：本专利技术通过从目标对象网站上获取标示字符的验证码图片，对所述验证码图片，确定图片所对应的实际文字序列，将图片及其对应的文字序列作为训练数据，输入到人工神经网络模型中进行训练，并将训练好的人工神经网络模型应用于目标对象网站，实现高效识别验证码图片中的字符，为用户授权提供更好的交互体验。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明为了使本专利技术所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本专利技术的具体实施例。但需声明的是，下面描述的附图仅仅是本专利技术本专利技术示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。图1示出了根据本专利技术一个实施例的基于人工神经网络模型的图片字符识别方法的流程示意图；图2示出了根据本专利技术一个实施例的基于人工神经网络模型的图片字符识别装置的结构示意图；图3示出了根据本专利技术一个实施例的电子设备的结构示意图；图4示出了根据本专利技术一个实施例的计算机可读存储介质的结构示意图。具体实施方式现在将参考附图更全面地描述本专利技术的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本专利技术仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本专利技术更加全面和完整，更加便于将专利技术构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。在符合本专利技术的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。在对于具体实施例的描述中，本专利技术描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本专利技术的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如，第一器件亦可称为第二器件而不偏离本专利技术实质的技术方案。术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。图1示出了根据本专利技术一个实施例的基于人工神经网络模型的图片字符识别方法的流程示意图。如图1所示，本专利技术实施例的基于人工神经网络模型的图片字符识别方法包括：S11：从目标对象网站上获取标示字符的验证码图片；所述目标对象网站为需要执行验证码登陆的页面，其中页面访问可以是基于IP地址对特定网站进行多次寻址，向web服务器发出登陆请求，通过反向代理获取web服务器返回的资源，从资源中定位搜寻出验证码图片。对页面的访问可以使用不同的客户机信息，通过设定多维度用户身份来多次访问登陆页面，获取类型不同的验证码图片。S12：对所述验证码图片，确定图片所对应的实际文字序列；具体地，通过图片识别技术，从验证码图片中提取出图片上的文字序列，并通过校验确定文字序列无误。S13：将图片及其对应的文字序列作为训练数据，输入到人工神经网络模型中进行训练，并将训练好的人工神经网络模型应用于目标对象网站。以验证码图片及其对应的文字序列作为训练数据，输入到人工神经网络模型中，进行判别是否对应一致的黑白样本训练。人工神经网络模型可以使用ART、LVQ、Hopfield等。所述人工神经网络模型进一步应用于对象网站的登陆服务。为模型提供API接口来供需图片验证码登录的页面进行服务本文档来自技高网...

【技术保护点】
1.一种基于人工神经网络模型的图片字符识别方法，其特征在于，包括：从目标对象网站上获取标示字符的验证码图片；对所述验证码图片，确定图片所对应的实际文字序列；将图片及其对应的文字序列作为训练数据，输入到人工神经网络模型中进行训练，并将训练好的人工神经网络模型应用于目标对象网站。

【技术特征摘要】
1.一种基于人工神经网络模型的图片字符识别方法，其特征在于，包括：从目标对象网站上获取标示字符的验证码图片；对所述验证码图片，确定图片所对应的实际文字序列；将图片及其对应的文字序列作为训练数据，输入到人工神经网络模型中进行训练，并将训练好的人工神经网络模型应用于目标对象网站。2.根据权利要求1所述的方法，其特征在于，所述确定图片所对应的实际文字序列，进一步包括：将所述图片发送给图片解析平台，获取图片解析平台反馈的对应图片的实际文字序列。3.根据权利要求1或2所述的方法，其特征在于，所述将训练好的人工神经网络模型应用于目标对象网站，进一步包括：所述对象网站通过API接口来调用所述人工神经网络模型。4.根据权利要求1所述的方法，其特征在于，所述图片统一从同一个目标对象网站中获取。5.根据权利要求1所述的方法，其特征在于，所述人工神经网络模型进一步应用于对象网站...

【专利技术属性】
技术研发人员：谢银意，宋荣鑫，黄建庭，朱杰，马泽昊，
申请(专利权)人：上海淇馥信息技术有限公司，
类型：发明
国别省市：上海,31