CN109740336B - 一种图片中的验证信息的识别方法、装置及电子设备 - Google Patents

Abstract

本申请公开了一种图片中的验证信息的识别方法、装置及其电子设备，用于解决现有技术中识别待验证图片中包含的图形验证码的准确率不够高，往往还需要人工干预的问题。所述方法包括：在测试目标应用的过程中，获取待验证图片；基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；在所述验证信息验证不通过的情况下，获取用户输入的校正信息；基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息。

Description

一种图片中的验证信息的识别方法、装置及电子设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种图片中的验证信息的识别方法、装置及电子设备。

背景技术

目前，用户在进行账号登录、支付等重要操作时，往往需要识别并填写待验证图片中包含的图形验证码。比如，用户第一次在某个应用的客户端进行账号登录操作时，为了提高账号登录的安全性，用户在输入账号和密码以外，往往还需用户识别并输入登录界面提供的图形验证码中的验证字符，并在输入的验证字符正确且有效的情况下才能登录成功。

由于上述操作过程中通常还包括图形验证码的识别过程，因此，在对登录、支付等重要操作过程进行测试时，同样需要对待验证图片中包含的图形验证码进行识别验证。如果采用光学字符识别(Optical Character Recognition，OCR)技术来识别待验证图片中包含的图形验证码，可能会因为待验证图片中的图形验证码较为复杂而影响识别的准确性。如果对于较为复杂的图形验证码进行人工干预，比如对多次识别失败的图形验证码进行人工纠正等干预操作，又会降低测试效率。

因此，如何准确识别待验证图片中包含的图形验证码，以减少人工干预，提高测试效率，仍然需要进一步的解决方案。

发明内容

本申请实施例提供了一种图片中的验证信息的识别方法、装置及电子设备，以解决现有技术中识别待验证图片中包含的图形验证码的准确率不够高，往往还需要人工干预的问题。

为解决上述技术问题，本申请实施例是这样实现的：

第一方面，提出了一种图片中的验证信息的识别方法，包括：

在测试目标应用的过程中，获取待验证图片；

基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；

在所述验证信息验证不通过的情况下，获取用户输入的校正信息；

基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息。

第二方面，提出了一种图片中的验证信息的识别装置，包括：

第一获取单元，用于在测试目标应用的过程中，获取待验证图片；

识别单元，用于基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；

第二获取单元，用于在所述验证信息验证不通过的情况下，获取用户输入的校正信息；

训练单元，用于基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息。

第三方面，提出了一种电子设备，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，所述可执行指令在被执行时使所述处理器执行以下操作：

在测试目标应用的过程中，获取待验证图片；

基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；

在所述验证信息验证不通过的情况下，获取用户输入的校正信息；

基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息。

第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：

在测试目标应用的过程中，获取待验证图片；

基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；

在所述验证信息验证不通过的情况下，获取用户输入的校正信息；

基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息。

本申请实施例采用上述技术方案至少可以达到下述技术效果：

在测试目标应用的过程中，能够获取待验证图片，即包含验证消息的待验证图片，比如包含验证码的图片，然后基于图片的验证信息识别模型，识别该待验证图片中包含的验证信息，以对该验证信息进行验证，并在该验证信息验证不通过的情况下，获取用户输入的校正信息，最后能够基于待验证图片和校正信息，重新训练图片的验证信息识别模型，以识别出待验证图片中包含的验证信息。这样在识别待验证图片中包含的验证信息时，能够获取到图片的验证信息识别模型识别错误的验证信息以及对应的待验证图片，并获取到该待验证图片中包含的正确的验证信息，最后基于该待验证图片和校正后的正确的验证信息，重新训练图片的验证信息识别模型，从而能够不断优化该图片的验证信息识别模型，提高其识别待验证图片中包含的验证信息的准确率，从而能够在识别过程中减少人工干预。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本说明书一个实施例提供的一种图片中的验证信息的识别方法的实现流程示意图；

图2为本说明书一个实施例提供的一种图片中的验证信息的识别装置的结构示意图；

图3为本说明书一个实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

为解决现有技术中的识别待验证图片中包含的图形验证码的准确率不够高，往往还需要人工干预的问题，本说明书实施例提供一种图片中的验证信息的识别方法。本说明书实施例提供的图片中的验证信息的识别方法的执行主体可以但不限于服务器等能够被配置为执行本发明实施例提供的该方法识别装置中的至少一种。

为便于描述，下文以该方法的执行主体为能够执行该方法的服务器为例，对该方法的实施方式进行介绍。可以理解，该方法的执行主体为服务器只是一种示例性的说明，并不应理解为对该方法的限定。

具体地，本说明书一个或多个实施例提供的一种图片中的验证信息的识别方法的实现流程示意图如图1所示，包括：

步骤101，在测试目标应用的过程中，获取待验证图片；

可选地，以测试目标应用的登录过程为例，在通过测试脚本输入用户名和密码之后，可以通过下述步骤来获取待验证图片：

通过控件信息获取接口获取待验证图片的控件位置；

通过截图接口截取待验证图片的控件位置处的图片。

步骤102，基于图片的验证信息识别模型，识别待验证图片中包含的验证信息，以对验证信息进行验证；

其中，图片的验证信息识别模型为预先基于若干待验证图片和这些待验证图片中包含的验证信息训练得到的。

在通过图片的验证信息识别模型，识别待验证图片中包含的验证信息之后，可以将该验证信息保存在变量captcha中，并将该变量captcha填充到该验证信息的填充框内，以对该验证信息进行验证。

步骤103，在验证信息验证不通过的情况下，获取用户输入的校正信息；

可选地，在对目标应用进行测试的过程中，为了能够减小测试人员的人工干预，实现自动化测试，可以在测试脚本中针对待验证图片中验证信息的识别操作设置循环执行的步骤，以及对应的循环次数，即允许对待验证图片中包含的验证信息识别不准确的情况下，进行多次循环识别和验证操作。那么，在验证信息验证不通过的情况下，获取用户输入的校正信息，包括下述主要步骤：

若验证信息验证不通过，则循环执行指定步骤，直到验证信息通过或者循环次数大于或等于预设次数；

若循环次数大于或等于预设次数，则获取用户输入的校正信息；

其中，所述指定步骤包括：

刷新待验证图片，以更新待验证图片中包含的验证信息；

获取刷新后的待验证图片；

基于图片的验证信息识别模型，识别刷新后的待验证图片中包含的验证信息，以对验证信息进行验证。

可选地，在对目标应用的测试过程中，为便于测试人员校正验证不通过的验证信息，则可以在多次验证不通过的情况下，弹出校正信息的输入框，以便于测试人员对验证信息进行校正。具体，若循环次数大于或等于预设次数，则获取用户输入的校正信息，包括下述步骤：

若循环次数大于或等于所述预设次数，则可以弹出校正信息输入框；

获取用户在校正信息输入框中输入的校正信息。

应理解，在实际测试过程中，验证信息验证不通过的情况可能会很多，为了减少测试人员的人工干预，不必每次验证不通过时都对待验证图片中的验证信息进行校正操作，可以在验证信息验证不通过的次数达到预设次数时，弹出校正信息输入框，以获取用户校正信息输入框中输入的校正信息。

可选地，为了增加重新训练图片的验证信息识别模型的训练样本集，提高图片的验证信息识别模型的识别准确率，本发明实施例还可以获取验证信息通过的情况下的待验证图片和该待验证图片中包含的验证信息。具体则可以在验证信息验证通过的情况下，获取验证通过的第一待验证图片以及待验证图片中包含的第一验证信息。

步骤104，基于待验证图片和校正信息，重新训练图片的验证信息识别模型，以识别出待验证图片中包含的验证信息。

可选地，为了节省资源，本发明实施例可以在待验证图片的数量累积到一定数量时，再重新训练图片的验证信息识别模型。那么，基于待验证图片和校正信息，重新训练图片的验证信息识别模型，以识别出待验证图片中包含的验证信息，具体则可以：当待验证图片的数量大于或等于预设数量时，基于待验证图片和校正信息，重新训练图片的验证信息识别模型，以识别出待验证图片中包含的验证信息。

可选地，为了增加训练样本集，提高重新训练的图片的验证信息识别模型的识别准确率，本发明实施例可以基于验证信息验证通过的情况下对应的待验证图片、以及验证信息验证不通过的情况下对应的待验证图片，这两种情况的图片来重新训练图片的验证信息识别模型。因此，基于待验证图片和校正信息，重新训练图片的验证信息识别模型，以识别出待验证图片中包含的验证信息，具体则可以包括下述情形：

当第一待验证图片和第二待验证图片的数量之和大于或等于预设数量时，基于第一待验证图片和对应的第一验证信息、以及第二待验证图片和对应的第二验证信息，重新训练图片的验证信息识别模型，以识别出第二待验证图片中包含的第二验证信息；

其中，第二待验证图片为待验证图片中验证信息未通过验证的待验证图片。

可选地，为了保证重新训练的图片的验证信息识别模型的识别准确率能够达到预设识别准确率，基于第一待验证图片和对应的第一验证信息、以及第二待验证图片和对应的第二验证信息，重新训练图片的验证信息识别模型，以识别出第二待验证图片中包含的第二验证信息，包括下述主要步骤：

将第一待验证图片和对应的第一验证信息、以及第二待验证图片和对应的第二验证信息，按照预设比例划分为训练数据和测试数据；

基于训练数据、以及图片的验证信息识别模型中的原始训练数据，重新训练所述图片的验证信息识别模型；

基于测试数据，对重新训练后的图片的验证信息识别模型的识别准确率进行测试；

若重新训练后的图片的验证信息识别模型的识别准确率大于或等于预设准确率，则基于重新训练后的图片的验证信息识别模型，更新图片的验证信息识别模型。

比如，可以将第一待验证图片和对应的第一验证信息、以及第二待验证图片和对应的第二验证信息，按照9:1的预设比例划分为训练数据和测试数据，即可以随机选取90％的待验证图片和对应的验证信息作为训练数据，将剩余10％的待验证图片和对应的验证信息作为测试数据。

在测试目标应用的过程中，能够获取待验证图片，即包含验证消息的待验证图片，比如包含验证码的图片，然后基于图片的验证信息识别模型，识别该待验证图片中包含的验证信息，以对该验证信息进行验证，并在该验证信息验证不通过的情况下，获取用户输入的校正信息，最后能够基于待验证图片和校正信息，重新训练图片的验证信息识别模型，以识别出待验证图片中包含的验证信息。这样在识别待验证图片中包含的验证信息时，能够获取到图片的验证信息识别模型识别错误的验证信息以及对应的待验证图片，并获取到该待验证图片中包含的正确的验证信息，最后基于该待验证图片和校正后的正确的验证信息，重新训练图片的验证信息识别模型，从而能够不断优化该图片的验证信息识别模型，提高其识别待验证图片中包含的验证信息的准确率，从而能够在识别过程中减少人工干预。

图2为本发明实施例提供的图片中的验证信息的识别装置200的结构示意图。请参考图2，在一种软件实施方式中，图片中的验证信息的识别200可包括第一获取单元201、识别单元202、第二获取单元203和训练单元204，其中：

第一获取单元201，用于在测试目标应用的过程中，获取待验证图片；

识别单元202，用于基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；

第二获取单元203，用于在所述验证信息验证不通过的情况下，获取用户输入的校正信息；

训练单元204，用于基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息。

可选地，在一种实施方式中，所述第二获取单元203，用于：

从候选设备中，获取空闲设备；

将所述空闲设备确定为与所述测试任务相匹配的待测试设备。

可选地，在一种实施方式中，所述第二确定单元403，用于：

若所述验证信息验证不通过，则循环执行指定步骤，直到所述验证信息通过或者所述循环次数大于或等于预设次数；

若所述循环次数大于或等于所述预设次数，则获取用户输入的校正信息。

可选地，在一种实施方式中，所述指定步骤包括：

刷新所述待验证图片，以更新所述待验证图片中包含的验证信息；

获取所述刷新后的待验证图片；

基于所述图片的验证信息识别模型，识别所述刷新后的待验证图片中包含的验证信息，以对所述验证信息进行验证。

可选地，在一种实施方式中，所述第二确定单元403，用于：

若所述循环次数大于或等于所述预设次数，则弹出校正信息输入框；

获取用户在所述校正信息输入框中输入的校正信息。

可选地，在一种实施方式中，所述装置还包括：

第三获取单元205，用于在所述验证信息验证通过的情况下，获取所述验证通过的第一待验证图片以及所述待验证图片中包含的第一验证信息。

可选地，在一种实施方式中，所述训练单元204，用于：

当所述待验证图片的数量大于或等于预设数量时，基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息。

可选地，在一种实施方式中，所述训练单元204，用于：

当所述第一待验证图片和所述第二待验证图片的数量之和大于或等于预设数量时，基于所述第一待验证图片和对应的所述第一验证信息、以及所述第二待验证图片和对应的所述第二验证信息，重新训练所述图片的验证信息识别模型，以识别出所述第二待验证图片中包含的第二验证信息；

其中，所述第二待验证图片为所述待验证图片中验证信息未通过验证的待验证图片。

可选地，在一种实施方式中，所述训练单元204，用于：

将所述第一待验证图片和对应的所述第一验证信息、以及所述第二待验证图片和对应的所述第二验证信息，按照预设比例划分为训练数据和测试数据；

基于所述训练数据、以及所述图片的验证信息识别模型中的原始训练数据，重新训练所述图片的验证信息识别模型；

基于所述测试数据，对所述重新训练后的图片的验证信息识别模型的识别准确率进行测试；

若所述重新训练后的图片的验证信息识别模型的识别准确率大于或等于预设准确率，则基于所述重新训练后的图片的验证信息识别模型，更新所述图片的验证信息识别模型。

图片中的验证信息的识别装置200能够实现图1的方法实施例的图片中的验证信息的识别方法，具体可参考图1所示实施例的图片中的验证信息的识别过程的方法，不再赘述。

图3是本说明书的一个实施例提供的电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成图片中的验证信息的识别装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

在测试目标应用的过程中，获取待验证图片；

基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；

在所述验证信息验证不通过的情况下，获取用户输入的校正信息；

基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息。

上述如本说明书图1所示实施例揭示的图片中的验证信息的识别方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书一个或多个实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备还可执行图1图片中的验证信息的识别方法，本说明书在此不再赘述。

当然，除了软件实现方式之外，本说明书的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

总之，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (5)

1.一种图片中的验证信息的识别方法，其特征在于，包括：

在测试目标应用的过程中，获取待验证图片；

基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；

在所述验证信息验证不通过的情况下，获取用户输入的校正信息；

在所述验证信息验证通过的情况下，获取验证通过的第一待验证图片以及待验证图片中包含的第一验证信息；

基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息；

其中，在所述验证信息验证不通过的情况下，获取用户输入的校正信息，包括：

若所述验证信息验证不通过，则循环执行指定步骤，直到所述验证信息通过或者循环次数大于或等于预设次数；

若所述循环次数大于或等于所述预设次数，则获取用户输入的校正信息；

获取用户输入的校正信息，包括：

弹出校正信息输入框；

获取用户在所述校正信息输入框中输入的校正信息；

基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息，包括：

当所述待验证图片的数量大于或等于预设数量时，基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息；

当所述第一待验证图片和第二待验证图片的数量之和大于或等于预设数量时，基于所述第一待验证图片和对应的所述第一验证信息、以及所述第二待验证图片和对应的第二验证信息，重新训练所述图片的验证信息识别模型，以识别出所述第二待验证图片中包含的第二验证信息；

其中，所述第二待验证图片为所述待验证图片中验证信息未通过验证的待验证图片；

基于所述第一待验证图片和对应的所述第一验证信息、以及所述第二待验证图片和对应的第二验证信息，重新训练所述图片的验证信息识别模型，以识别出所述第二待验证图片中包含的第二验证信息，包括下述主要步骤：

将第一待验证图片和对应的第一验证信息、以及第二待验证图片和对应的第二验证信息，按照预设比例划分为训练数据和测试数据；

基于训练数据、以及图片的验证信息识别模型中的原始训练数据，重新训练所述图片的验证信息识别模型；

基于测试数据，对重新训练后的图片的验证信息识别模型的识别准确率进行测试；

若重新训练后的图片的验证信息识别模型的识别准确率大于或等于预设准确率，则基于重新训练后的图片的验证信息识别模型，更新图片的验证信息识别模型。

2.如权利要求1所述的方法，其特征在于，所述指定步骤包括：

刷新所述待验证图片，以更新所述待验证图片中包含的验证信息；

获取所述刷新后的待验证图片；

基于所述图片的验证信息识别模型，识别所述刷新后的待验证图片中包含的验证信息，以对所述验证信息进行验证。

3.一种图片中的验证信息的识别装置，其特征在于，包括：

第一获取单元，用于在测试目标应用的过程中，获取待验证图片；

识别单元，用于基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；

第二获取单元，用于在所述验证信息验证不通过的情况下，获取用户输入的校正信息；

第三获取单元，用于在所述验证信息验证通过的情况下，获取验证通过的第一待验证图片以及待验证图片中包含的第一验证信息；

训练单元，用于基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息；

其中，所述第二获取单元，还用于：

若所述验证信息验证不通过，则循环执行指定步骤，直到所述验证信息通过或者所述循环次数大于或等于预设次数；

若所述循环次数大于或等于所述预设次数，则获取用户输入的校正信息；

若所述循环次数大于或等于所述预设次数，则弹出校正信息输入框；

获取用户在所述校正信息输入框中输入的校正信息；

所述训练单元，还用于：

当所述待验证图片的数量大于或等于预设数量时，基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息；

当所述第一待验证图片和第二待验证图片的数量之和大于或等于预设数量时，基于所述第一待验证图片和对应的所述第一验证信息、以及所述第二待验证图片和对应的第二验证信息，重新训练所述图片的验证信息识别模型，以识别出所述第二待验证图片中包含的第二验证信息；

其中，所述第二待验证图片为所述待验证图片中验证信息未通过验证的待验证图片；

将所述第一待验证图片和对应的所述第一验证信息、以及所述第二待验证图片和对应的所述第二验证信息，按照预设比例划分为训练数据和测试数据；

基于所述训练数据、以及所述图片的验证信息识别模型中的原始训练数据，重新训练所述图片的验证信息识别模型；

基于所述测试数据，对所述重新训练后的图片的验证信息识别模型的识别准确率进行测试；

若所述重新训练后的图片的验证信息识别模型的识别准确率大于或等于预设准确率，则基于所述重新训练后的图片的验证信息识别模型，更新所述图片的验证信息识别模型。

4.一种电子设备，其特征在于，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，所述可执行指令在被执行时使所述处理器执行以下操作：

在测试目标应用的过程中，获取待验证图片；

基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；

在所述验证信息验证不通过的情况下，获取用户输入的校正信息；

在所述验证信息验证通过的情况下，获取验证通过的第一待验证图片以及待验证图片中包含的第一验证信息；

基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息；

其中，在所述验证信息验证不通过的情况下，获取用户输入的校正信息，包括：

若所述验证信息验证不通过，则循环执行指定步骤，直到所述验证信息通过或者循环次数大于或等于预设次数；

若所述循环次数大于或等于所述预设次数，则获取用户输入的校正信息；

获取用户输入的校正信息，包括：

弹出校正信息输入框；

获取用户在所述校正信息输入框中输入的校正信息；

基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息，包括：

当所述待验证图片的数量大于或等于预设数量时，基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息；

当所述第一待验证图片和第二待验证图片的数量之和大于或等于预设数量时，基于所述第一待验证图片和对应的所述第一验证信息、以及所述第二待验证图片和对应的第二验证信息，重新训练所述图片的验证信息识别模型，以识别出所述第二待验证图片中包含的第二验证信息；

其中，所述第二待验证图片为所述待验证图片中验证信息未通过验证的待验证图片；

基于所述第一待验证图片和对应的所述第一验证信息、以及所述第二待验证图片和对应的第二验证信息，重新训练所述图片的验证信息识别模型，以识别出所述第二待验证图片中包含的第二验证信息，包括下述主要步骤：

将第一待验证图片和对应的第一验证信息、以及第二待验证图片和对应的第二验证信息，按照预设比例划分为训练数据和测试数据；

基于训练数据、以及图片的验证信息识别模型中的原始训练数据，重新训练所述图片的验证信息识别模型；

基于测试数据，对重新训练后的图片的验证信息识别模型的识别准确率进行测试；

若重新训练后的图片的验证信息识别模型的识别准确率大于或等于预设准确率，则基于重新训练后的图片的验证信息识别模型，更新图片的验证信息识别模型。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：

在测试目标应用的过程中，获取待验证图片；

基于图片的验证信息识别模型，识别所述待验证图片中包含的验证信息，以对所述验证信息进行验证；

在所述验证信息验证不通过的情况下，获取用户输入的校正信息；

在所述验证信息验证通过的情况下，获取验证通过的第一待验证图片以及待验证图片中包含的第一验证信息；

基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息；

其中，在所述验证信息验证不通过的情况下，获取用户输入的校正信息，包括：

若所述验证信息验证不通过，则循环执行指定步骤，直到所述验证信息通过或者循环次数大于或等于预设次数；

若所述循环次数大于或等于所述预设次数，则获取用户输入的校正信息；

获取用户输入的校正信息，包括：

弹出校正信息输入框；

获取用户在所述校正信息输入框中输入的校正信息；

基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息，包括：

当所述待验证图片的数量大于或等于预设数量时，基于所述待验证图片和所述校正信息，重新训练所述图片的验证信息识别模型，以识别出所述待验证图片中包含的验证信息；

当所述第一待验证图片和第二待验证图片的数量之和大于或等于预设数量时，基于所述第一待验证图片和对应的所述第一验证信息、以及所述第二待验证图片和对应的第二验证信息，重新训练所述图片的验证信息识别模型，以识别出所述第二待验证图片中包含的第二验证信息；

其中，所述第二待验证图片为所述待验证图片中验证信息未通过验证的待验证图片；

基于所述第一待验证图片和对应的所述第一验证信息、以及所述第二待验证图片和对应的第二验证信息，重新训练所述图片的验证信息识别模型，以识别出所述第二待验证图片中包含的第二验证信息，包括下述主要步骤：

将第一待验证图片和对应的第一验证信息、以及第二待验证图片和对应的第二验证信息，按照预设比例划分为训练数据和测试数据；

基于训练数据、以及图片的验证信息识别模型中的原始训练数据，重新训练所述图片的验证信息识别模型；

基于测试数据，对重新训练后的图片的验证信息识别模型的识别准确率进行测试；

若重新训练后的图片的验证信息识别模型的识别准确率大于或等于预设准确率，则基于重新训练后的图片的验证信息识别模型，更新图片的验证信息识别模型。

Images