The recognition method of non fixed multi character verification code based on convolutional neural network relates to the technical field of character verification code recognition. The traditional method of character verification code recognition has the disadvantages of low efficiency, unable to locate and recognize the connected or overlapped characters, and difficult to process or unable to process the pictures with indefinite number of characters. The steps are: (1) image preprocessing; (2) feature extraction; processing with convolutional neural network; (3) character recognition; taking the extracted features as the input of different full connected networks respectively Finally, all probabilities are multiplied, and the character length and character combination with the largest probability are taken as the final output. The multi-layer convolution neural network is used to preprocess the image and extract the feature information of the image. Then, the probability model is used as the optimization objective, which can deal with the problem of recognition without fixed length characters in the image, can deal with the image with variable number of characters, improve the recognition accuracy, and accelerate the processing efficiency and speed.
【技术实现步骤摘要】
基于卷积神经网络的无固定多字符验证码识别方法
本专利技术涉及到字符验证码识别方法
技术介绍
传统的字符验证码识别方法都是对图像机型分步处理,具体处理流程是:待识别的字符验证码图像输入到识别系统中,首先要进行字符的定位,即要根据算法得到图中字符的位置;然后根据位置信息将所有字符分割成单独字符的形式;最后将单独的字符再送入最后的分类器中进行分类识别得到被分割的单独字符图像代表的字符信息进行组合才能得到最后的识别结。传统的字符验证码识别方法的缺点:(1)需要对图像进行分步处理,处理效率和速度较慢;(2)对于一些相连或者重叠的字符,难以对字符进行准确定位;(3)对于不定字符数量的图片难以处理甚至无法处理。
技术实现思路
综上所述,本专利技术的目的在于解决传统的字符验证码识别方法存在效率低,无法对相连或重叠字符定位识别,及不定字符数量的图片难处理或无法处理等的技术不足,而提出一种基于卷积神经网络的无固定多字符验证码识别方法。为解决本专利技术所提出的技术问题,采用的技术方案为:基于卷积神经网络的无固定多字符验证码识别方法,其特征在于所述方法采用如下步骤:(1)图像预处理;对输入图像的大小进行统一处理和减噪处理;(2)特征提取;使用卷积神经网络进行处理;其中,卷积神经网络的卷积层提取图片中的局部特征信息;卷积神经网络的池化层减少网络优化参数的数量;卷积神经网络的归一化层防止网络优化过程中发生梯度消失;卷积神经网络的输出层作为特征输入的下一 ...
【技术保护点】
1.基于卷积神经网络的无固定多字符验证码识别方法,其特征在于所述方法采用如下步骤:/n(1)图像预处理;对输入图像的大小进行统一处理和减噪处理;/n(2)特征提取;使用卷积神经网络进行处理;其中,卷积神经网络的卷积层提取图片中的局部特征信息;卷积神经网络的池化层减少网络优化参数的数量;卷积神经网络的归一化层防止网络优化过程中发生梯度消失;卷积神经网络的输出层作为特征输入的下一步的字符识别任务中;/n(3)字符识别;将提取得到的特征分别作为不同全连接网络的输入,其中一个全连接网络用于判断图片中字符的长度,其余全连接网络分别表示对应位置的字符;最后,将所有概率进行累乘,取概率最大的字符长度和字符组合作为最终的输出。/n
【技术特征摘要】
1.基于卷积神经网络的无固定多字符验证码识别方法,其特征在于所述方法采用如下步骤:
(1)图像预处理;对输入图像的大小进行统一处理和减噪处理;
(2)特征提取;使用卷积神经网络进行处理;其中,卷积神经网络的卷积层提取图片中的局部特征信息;卷积神经网络的池化层减少网络优化参数的数量;卷积神经网络的归一化层防止网络优化过程中发生梯度消失;卷积神经网络的输出层作为特征输入的下一步的字符识别任务中;
(3)字符识别;将提取得到的特征分别作为不同全连接网络的输入,其中一个全连接网络用于判断图片中字符的长度,其余全连接网络分别表示对应位置的字符;最后,将所有概率进行累乘,取概率最大的字符长度和字符组合作为最终的输出。
2.根据权利要求1所述的基于卷积神经网络的无固定多字符验证码识别方法,其特征在于:在(3)字符识别过程中,在给定一张图片的条件下,训练一个序列概率模型;令S表示表示输出的结果序列,X表示输入的...
【专利技术属性】
技术研发人员:严文辉,
申请(专利权)人:深圳索信达数据技术有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。