图像验证码识别（九）——训练和识别

前面讲到已经把所有的字符经过去干扰、分割和归一化得到标准大小的单个字符，接下来要做的就是识别验证码了。现在要做的基本上也就和OCR没什么区别了，因为得到的字符已经是尽可能标准的了。下面的识别分为两个步骤，第一步先是特征值的提取，第二步是SVM训练。

一、特征值提取

首先要说的是我当时在做这个的时候，还没有了解“主成分分析”，所以在提取特征值的时候用的是比较简单的方法，就是简单的提取像素值来解决的。具体来说，由于前面归一化的字符每个都是16*16大小的，可以将字符图片等分为16个子区域，每个区域是4*4的，然后统计每个区域内部黑色像素（字符像素）的个数，这样可以得到16个数值，然后按照从左到右，从上到下来的顺序进行排列，可以得到一个16维的数据，这样依赖就将256维的原数据降到了16维。

现在要做的就是如果想验证哪个网站的验证码，就写个爬虫爬该网站的验证码，爬个几百张然后对每一张验证码上的字符进行标记，然后按照前面的步骤一步一步预处理然后提取特征值，将每个字符的特征值和其标记的字符写入到数据文件中，在这里我取了某网站的验证码一共250张，每张有4个字符，字符集只有大写字母26个和0-9十个数字，这样得到了1000条数据，由于字符存在粘连状况，因此在字符分割那一部分并不是100%成功，最后有十几张验证码图片分割失败，所以最终得到的数据集个数只有900多个。部分数据如下：

[cpp]  view plain  copy

1. D,0,4,7,12,9,9,4,12,7,8,4,12,0,8,8,2  
2. N,0,1,5,6,9,15,7,2,0,5,14,7,6,9,7,3  
3. Y,3,1,0,0,5,12,9,8,3,12,4,1,5,0,0,0  
4. 2,0,0,0,1,7,2,7,12,8,9,8,8,0,3,0,0  
5. Z,0,0,1,8,13,1,10,12,12,11,1,12,5,1,0,2  
6. I,0,0,0,0,0,1,4,6,7,11,7,3,0,0,0,0  
7. Z,0,0,1,6,12,1,11,12,12,12,2,12,6,1,0,0  
8. 5,0,0,1,0,6,12,4,9,8,7,9,8,2,0,0,0  
9. G,0,9,8,3,8,7,5,11,12,1,10,11,3,6,9,1  
10. 7,0,0,0,0,8,1,6,11,9,10,6,0,2,1,0,0  
11. M,0,4,7,10,8,16,11,9,0,4,12,7,9,14,13,8  
12. D,0,1,4,5,11,10,9,12,12,1,3,10,5,11,11,1  
13. 3,0,0,1,1,6,2,2,10,10,9,12,8,0,2,0,0  
14. F,0,0,4,6,7,13,12,4,8,8,8,0,5,3,2,0  
15. N,0,0,5,6,9,15,6,2,0,5,11,7,7,10,5,3  
16. X,1,0,0,7,7,11,12,4,3,13,10,8,9,2,0,1  
17. 2,0,0,0,2,8,4,6,13,9,11,9,7,2,3,0,0  
18. P,1,0,4,5,11,12,11,4,12,6,8,0,4,10,1,0  
19. J,0,0,2,2,0,0,3,13,4,10,11,6,3,2,0,0  
20. V,4,4,3,0,2,6,9,16,0,7,12,4,6,6,0,0  
21. 7,1,0,0,0,8,5,10,9,12,8,0,0,1,0,0,0  
22. W,9,12,12,9,4,8,11,1,9,10,11,9,4,9,9,2  

数据集每行代表一条数据，第一个字母或数字是该字符的标记结果，后面紧跟着16个数字是其特征值。

二、机器学习识别

现在终于到了验证码识别的最后一步了，有了前面的数据集，就可以进行训练了。我在这里使用的分类器是SVM，由于整个项目都是用OpenCV做的，而OpenCV正好提供SVM的库，因此就直接拿来用了。OpenCV的SVM是基于libSVM的，有关SVM（支持向量机）的知识我也了解的不是太多，这里不再赘述，有兴趣的可以去找找资料看看。在OpenCV的源代码工程里，可以找到怎么使用OpenCV SVM的demo，这里就直接拿来用了，代码如下：

[cpp]  view plain  copy