基于计算机视觉盲点的视错觉验证码算法

基于计算机视觉盲点的视错觉验证码算法
作者：路昊天 指导老师：陈军
摘要：验证码是（CAPTCHA）是“Completely Automated Public Turing test to tell Computers and Humans Apart”（全自动区分计算机和人类的图灵测试）的缩写，人们有时称CAPTCHA是一种反向图灵测试，1现在其他作用是防止恶意破解密码、刷票、论坛灌水、刷页。2 我设计了一款视错觉验证码系统，使普通机器无法识别验证码，拥有成本低，安全性高，应用性强，安全可靠并实验成功。

目录
1 关于计算机视觉
1.1 计算机视觉是什么
1.2 计算机视觉的范围
1.3 计算机视觉盲点
1.4 验证码的作用
1.5 常用的验证码干扰方式
2 视错觉验证码算法设计
2.1 普通验证码的构成
2.2 识别普通验证码
2.3 灵感来源
2.4 视错觉的原理
2.5 人工智能识别视错觉的原理
3 视错觉验证码与普通验证码对比试验
3.1 普通识别
3.2 人工识别
3.3 数据对比
4 最后总结

一、 关于计算机视觉

1. 计算机视觉是什么3

   计算机视觉是指用摄像机和电脑及其他相关设备，对生物视觉的一种模拟。它的主要任务是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。
   计算机视觉的最终目标是使计算机能像人那样通过视觉观察和理解世界，具有自主适应环境的能力。但能真正实现计算机能够通过摄像机感知这个世界却是非常之难，因为虽然摄像机拍摄的图像我们平时所见一样，但对于计算机来说，任何图像都只是如上图右半边所示的像素值排列，是一堆死板的数字。如何让计算机从这些死板的数字里面读取到有意义的视觉线索，是计算机视觉应该解决的问题
   然而，计算机视觉发展多年，却依然存在着一系列难以解决的难题。目前人们掌握的具体计算机视觉任务的方法，也仅仅适用于狭隘的人脸识别、指纹识别等简单任务，无法广泛的应用于不同场合。不过，也有学者认为，随着机器学习方法的日渐普及以及大数据科技的应用，计算机视觉实现质的突破也是指日可待的。

2. 计算机视觉的范围4
   计算机视觉设计到的范围极为广泛，现在实际应用到现实中的有：
   人脸识别： Snapchat 和 Facebook 使用人脸检测算法来识别人脸。
   图像检索：Google Images 与各种浏览器引擎使用基于内容的查询来搜索相关图片，算法分析查询图像中的内容并根据最佳匹配内容返回结果。
   游戏和控制：使用立体视觉较为成功的游戏应用产品是：微软Kinect。
   监测：用于监测可疑行为的监视摄像头遍布于各大公共场所中。
   生物识别技术：指纹、虹膜和人脸匹配仍然是生物识别领域的一些常用方法。
   智能汽车：计算机视觉仍然是检测交通标志、灯光和其他视觉特征的主要信息来源

   种类繁多，大致可以分为以下几类：
   （1） 图像分类
   给定一组各自被标记为单一类别的图像，我们对一组新的测试图像的类别进行预测，并测量预测的准确性结果，这就是图像分类问题。
   （2） 对象检测
   识别图像中的对象这一任务，通常会涉及到为各个对象输出边界框和标签。这不同于分类/定位任务——对很多对象进行分类和定位，而不仅仅是对个主体对象进行分类和定位。在对象检测中，你只有 2 个对象分类类别，即对象边界框和非对象边界框。
   （3） 目标跟踪
   目标跟踪，是指在特定场景跟踪某一个或多个特定感兴趣对象的过程。传统的应用就是视频和真实世界的交互，在检测到初始对象之后进行观察。
   （4） 语义分割
   计算机视觉的核心是分割，它将整个图像分成一个个像素组，然后对其进行标记和分类。特别地，语义分割试图在语义