深度学习数字仪表盘识别_利用深度学习识别滑动验证码缺口位置

做爬虫的同学肯定或多或少会为验证码苦恼过，在最初的时候，大部分验证码都是图形验证码。但是前几年「极验」验证码横空出世，行为验证码变得越来越流行，其中之一的形式便是滑块验证码。

滑块验证码是怎样的呢？如图所示，验证码是一张矩形图，图片左侧会出现一个滑块，右侧会出现一个缺口，下侧会出现一个滑轨。左侧的滑块会随着滑轨的拖动而移动，如果能将左侧滑块正好滑动到右侧缺口处，就算完成了验证。

由于这种验证码交互形式比较友好，且安全性、美观度上也会更高，像这种类似的验证码也变得越来越流行。另外不仅仅是「极验」，其他很多验证码服务商也推出了类似的验证码服务，如「网易易盾」等，上图所示的就是「网易易盾」的滑动验证码。

没错，确实这种滑动验证码的出现让很多网站变得更安全。但是做爬虫的可就苦恼了，如果采用自动化的方法来绕过这种滑动验证码，关键部分在于以下两点：

•找出目标缺口的位置。• 模拟人的滑动轨迹将滑块滑动到缺口处。

那么问题来了，第一步怎么做呢？

我们怎么识别目标缺口到底在图片的哪个地方？大家可能想到的答案有：

•直接手工一把梭。• 利用图像处理算法检测缺口处特征。• 对接打码平台，获取缺口位置。

另外对于极验来说，之前还有一种方法来识别缺口，那就是对比原图和缺口图的不同之处，通过遍历像素点来找出缺口的位置，但这种方法就比较投机了。如果换家验证码服务商，不给我们原图，我们就无从比较计算了。

总之，我们的目标就是输入一张图，输出缺口的的位置。

上面的方法呢，要么费时费钱、要么准确率不高。那还有没有其他的解决方案呢？

当然有。

现在深度学习这么火，基于深度学习的图像识别技术已经发展得比较成熟了。那么我们能不能利用它来识别缺口位置呢？

答案是，没问题，我们只需要将这个问题归结成一个深度学习的「目标检测」问题就好了。

听到这里，现在可能有的同学已经望而却步了，深度学习？我浅度学习还没学完咋整？

不用担心。

本节介绍的内容全程没有一行代码࿰