CN109740337B - 一种实现滑块验证码识别的方法及装置 - Google Patents
一种实现滑块验证码识别的方法及装置 Download PDFInfo
- Publication number
- CN109740337B CN109740337B CN201910074774.1A CN201910074774A CN109740337B CN 109740337 B CN109740337 B CN 109740337B CN 201910074774 A CN201910074774 A CN 201910074774A CN 109740337 B CN109740337 B CN 109740337B
- Authority
- CN
- China
- Prior art keywords
- target
- area
- pixel points
- slider
- identified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种实现滑块验证码识别的方法及装置,具体为,获取包括滑块验证码的滑块区域以及滑块验证码的滑块缺失区域的原始图像,并根据原始图像中各个像素点之间的颜色深度差,确定候选目标点。再从候选目标点中筛选出待识别区域的目标角点,即确定滑块区域的目标角点以及滑块缺失区域的目标角点。则可以根据滑块区域的目标角点确定滑块区域的位置以及根据滑块缺失区域的目标角点确定滑块缺失区域的位置,完成对滑块验证码的识别。可见,本申请提供的方案可以通过计算原始图像中像素点的颜色深度差特征最终确定待识别区域的目标角点,进而识别出滑块验证码,无需通过深度学习模型进行识别,降低识别计算量、提高识别速度。
Description
技术领域
本申请涉及互联网技术领域,具体涉及一种实现滑块验证码识别的方法及装置。
背景技术
近些年来,很多互联网应用系统会使用验证码技术来防止机器人程序访问,其中,滑块验证码,以其操作简单、用户体验好、安全性较强等特点,得到广泛采用。但是,在一些场景中,例如自动化测试等场景中,需要自动识别验证码。
在现有技术中,通常采用基于神经网络的机器学习算法来识别滑块验证码,具体实现过程包括:对包括滑块验证码的训练图像中的滑块位置以及滑块缺口位置进行标注,利用大量进行了标注的训练图像训练生成神经网络模型,从而利用训练后的神经网络模型识别包括滑块验证码的图像中的滑块位置以及滑块缺口位置。但是,该种方式需要进行大量的批注以及训练工作,计算量大,且识别速度较慢。
发明内容
有鉴于此,本申请实施例提供一种实现滑块验证码识别的方法及装置,以解决现有技术中实现滑块验证码识别计算量大、识别速度慢的技术问题。
为解决上述问题,本申请实施例提供的技术方案如下:
一种实现滑块验证码识别的方法,所述方法包括:
获取原始图像,所述原始图像中包括待识别区域,所述待识别区域包括滑块验证码的滑块区域以及所述滑块验证码的滑块缺失区域;
根据所述原始图像中各个像素点之间的颜色深度差,确定候选目标点;
从所述候选目标点中筛选所述待识别区域的目标角点,所述待识别区域的目标角点用于标识所述待识别区域的位置。
在一种可能的实现方式中,所述根据所述原始图像中各个像素点之间的颜色深度差,确定候选目标点,包括:
计算所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数;当目标角点在所述待识别区域的上边缘时,所述第一像素点为与上一行对应像素点的颜色深度差大于深度阈值的像素点,当目标角点在所述待识别区域的下边缘时,所述第一像素点为与下一行对应像素点的颜色深度差大于所述深度阈值的像素点;当目标角点在所述待识别区域的左边缘时,所述第二像素点为与上一列对应像素点的颜色深度差大于所述深度阈值的像素点,当目标角点在所述待识别区域的右边缘时,所述第二像素点为与下一列对应像素点的颜色深度差大于所述深度阈值的像素点;
根据所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数,在所述原始图像中确定候选行和候选列;
将所述候选行和所述候选列的交叉点确定为候选目标点。
在一种可能的实现方式中,所述根据所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数,在所述原始图像中确定候选行和候选列,包括:
将第一目标行的第一像素点个数与第二目标行的第一像素点个数相加,得到第一像素点和值;所述第一目标行分别取所述原始图像中的每一行,当目标角点在所述待识别区域的上边缘时,所述第二目标行是在所述第一目标行向下第一距离的行,当目标角点在所述待识别区域的下边缘时,所述第二目标行是在所述第一目标行向上所述第一距离的行,所述第一距离为所述滑块区域的高度或所述滑块缺失区域的高度;
如果所述第一像素点和值大于二倍的第二距离减去二倍的边长中断长度,则将所述第一目标行确定为候选行,所述第二距离为所述滑块区域的宽度或所述滑块缺失区域的高度;
将第一目标列的第二像素点个数与第二目标列的第二像素点个数相加,得到第二像素点和值;所述第一目标列分别取所述原始图像中的每一列,当目标角点在所述待识别区域的左边缘时,所述第二目标列是在所述第一目标行向右所述第二距离的列,当目标角点在所述待识别区域的右边缘时,所述第二目标列是在所述第一目标列向左所述第二距离的列;
如果所述第二像素点和值大于二倍的第一距离减去二倍的所述边长中断长度,则将所述第一目标列确定为候选列。
在一种可能的实现方式中,所述从所述候选目标点中筛选所述待识别区域的目标角点,包括:
以所述候选目标点为目标角点构建待确认矩形;
当所述待确认矩形各条边缘上的满足预设条件的像素点个数之和大于像素点个数阈值,则确定所述候选目标点为所述待识别区域的目标角点,所述像素点个数阈值为二倍的所述滑块区域的高度或所述滑块缺失区域的高度加上二倍的所述滑块区域的宽度或所述滑块缺失区域的宽度减去n倍的边长中断长度,n为正整数。
在一种可能的实现方式中,所述待确认矩形各条边缘上的满足预设条件的像素点为外侧像素点的颜色深度与内侧像素点的颜色深度之差的绝对值大于深度阈值的像素点。
在一种可能的实现方式中,所述方法还包括:
计算所述滑块区域的目标角点与所述滑块缺口区域的目标角点之间的距离。
一种实现滑块验证码识别的装置,所述装置包括:
获取单元,用于获取原始图像,所述原始图像中包括待识别区域,所述待识别区域包括滑块验证码的滑块区域以及所述滑块验证码的滑块缺失区域;
确定单元,用于根据所述原始图像中各个像素点之间的颜色深度差,确定候选目标点;
筛选单元,用于从所述候选目标点中筛选所述待识别区域的目标角点,所述待识别区域的目标角点用于标识所述待识别区域的位置。
在一种可能的实现方式中,所述确定单元,包括:
第一计算子单元,用于计算所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数;当目标角点在所述待识别区域的上边缘时,所述第一像素点为与上一行对应像素点的颜色深度差大于深度阈值的像素点,当目标角点在所述待识别区域的下边缘时,所述第一像素点为与下一行对应像素点的颜色深度差大于所述深度阈值的像素点;当目标角点在所述待识别区域的左边缘时,所述第二像素点为与上一列对应像素点的颜色深度差大于所述深度阈值的像素点,当目标角点在所述待识别区域的右边缘时,所述第二像素点为与下一列对应像素点的颜色深度差大于所述深度阈值的像素点;
第一确定子单元,用于根据所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数,在所述原始图像中确定候选行和候选列;
第二确定子单元,用于将所述候选行和所述候选列的交叉点确定为候选目标点。
在一种可能的实现方式中,所述第一确定子单元,包括:
第二计算子单元,用于将第一目标行的第一像素点个数与第二目标行的第一像素点个数相加,得到第一像素点和值;所述第一目标行分别取所述原始图像中的每一行,当目标角点在所述待识别区域的上边缘时,所述第二目标行是在所述第一目标行向下第一距离的行,当目标角点在所述待识别区域的下边缘时,所述第二目标行是在所述第一目标行向上所述第一距离的行,所述第一距离为所述滑块区域的高度或所述滑块缺失区域的高度;
第三确定子单元,用于如果所述第一像素点和值大于二倍的第二距离减去二倍的边长中断长度,则将所述第一目标行确定为候选行,所述第二距离为所述滑块区域的宽度或所述滑块缺失区域的高度;
第三计算子单元,用于将第一目标列的第二像素点个数与第二目标列的第二像素点个数相加,得到第二像素点和值;所述第一目标列分别取所述原始图像中的每一列,当目标角点在所述待识别区域的左边缘时,所述第二目标列是在所述第一目标行向右所述第二距离的列,当目标角点在所述待识别区域的右边缘时,所述第二目标列是在所述第一目标列向左所述第二距离的列;
第四确定子单元,用于如果所述第二像素点和值大于二倍的第一距离减去二倍的所述边长中断长度,则将所述第一目标列确定为候选列。
在一种可能的实现方式中,所述筛选单元,包括:
构建子单元,用于以所述候选目标点为目标角点构建待确认矩形;
第五确定子单元,用于当所述待确认矩形各条边缘上的满足预设条件的像素点个数之和大于像素点个数阈值,则确定所述候选目标点为所述待识别区域的目标角点,所述像素点个数阈值为二倍的所述滑块区域的高度或所述滑块缺失区域的高度加上二倍的所述滑块区域的宽度或所述滑块缺失区域的宽度减去n倍的边长中断长度,n为正整数。
在一种可能的实现方式中,所述待确认矩形各条边缘上的满足预设条件的像素点为外侧像素点的颜色深度与内侧像素点的颜色深度之差的绝对值大于深度阈值的像素点。
在一种可能的实现方式中,所述装置还包括:
计算单元,用于计算所述滑块区域的目标角点与所述滑块缺口区域的目标角点之间的距离。
由此可见,本申请实施例具有如下有益效果:
本申请实施例首先获取包括滑块验证码的滑块区域以及滑块验证码的滑块缺失区域的原始图像,并根据原始图像中各个像素点之间的颜色深度差,确定候选目标点。然后,再从候选目标点中筛选出待识别区域的目标角点,即确定滑块区域的目标角点以及滑块缺失区域的目标角点。则可以根据滑块区域的目标角点确定滑块区域的位置以及根据滑块缺失区域的目标角点确定滑块缺失区域的位置,完成对滑块验证码的识别。可见,通过本申请实施例提供的方案,可以通过计算原始图像中像素点的颜色深度差特征最终确定待识别区域的目标角点,进而识别出滑块验证码,无需通过深度学习模型进行识别,降低识别计算量、提高识别速度。
附图说明
图1为本申请实施例提供的示例性应用场景的框架示意图;
图2为本申请实施例提供的一种实现滑块验证码识别的方法流程图;
图3为本申请实施例提供的一张原始图像;
图4为本申请实施例提供的一种确定候选目标点的方法流程图;
图5为本申请实施例提供的一种目标角点位置示例图;
图6为本申请实施例提供的一种并行处理框架图;
图7为本申请实施例提供的一种确定目标角点的方法流程图;
图8为本申请实施例提供的一种实现滑块验证码识别的装置结构图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。
为便于理解本申请实施例提供的技术方案,下面将先对本申请的背景技术进行说明。
发明人在对传统的滑块验证码识别研究中发现,传统的识别方法利用基于神经网络的学习算法进行识别。而这种识别算法需要大量的训练工作,计算量大,能耗高,影响识别速度。
基于此,本申请实施例提供了一种实现滑块验证码识别的方法及装置,通常情况下,滑块区域的边沿与边沿内外侧有明显的色差、滑块缺失区域的边沿与边沿内外侧有明显的色差。因此,可以利用颜色深度差分别确定滑块区域的一个角点和滑块缺失区域的一个角点。当确定了滑块区域的某个角点以及滑块缺失区域的某个角点时,由于在屏幕像素确定的情况下,滑块区域和滑块缺失区域的长和宽也是确定的,因此,可以确定滑块区域以及滑块缺失区域的位置,从而实现滑块验证码的识别,无需进行大量的训练工作,减少工作量以及能耗,提高识别速度。
参见图1,该图为本申请实施例提供的示例性应用场景的框架示意图。其中,本申请实施例提供的实现滑块验证码识别的方法可以应用于客户端10中。
客户端10可以从服务器20中获取原始图像,并根据原始图像中各个像素点之间的颜色深度差确定候选目标点,进而从候选目标点中筛选出待识别区域的目标角点,以利用待识别区域的目标角点标识待识别区域的位置。
本领域技术人员可以理解,图1所示的框架示意图仅是本申请的实施方式可以在其中得以实现的一个示例。本申请实施方式的适用范围不受到该框架任何方面的限制。
需要注意的是,客户端10可以承载与终端,终端可以是现有的、正在研发的或将来研发的、能够通过任何形式的有线和/或无线连接(例如,Wi-Fi、LAN、蜂窝、同轴电缆等)相互交互的任何用户设备,包括但不限于:现有的、正在研发的或将来研发的能手机、非智能手机、平板电脑、膝上型个人计算机、桌面型个人计算机、小型计算机、中型计算机、大型计算机等。本申请的实施方式在此方面不受任何限制。还需要注意的是,本申请实施例中服务器20可以是现有的、正在研发的或将来研发的、能够提供包括待识别区域的原始图像的应用服务的设备的一个示例。本申请的实施方式在此方面不受任何限制。
为便于理解本申请实施例提供的滑块验证码识别方法,下面将结合附图对该方法进行说明。
参见图2,该图为本申请实施例提供的一种实现滑块验证码识别的方法,的流程图,如图2所示,该方法可以包括:
S201:获取原始图像,原始图像中包括待识别区域,待识别区域包括滑块验证码的滑块区域以及所述滑块验证码的滑块缺失区域。
本实施例中,为识别滑块验证码,首先获取包括滑块验证码的滑块区域以及滑块验证码的滑块缺失区域。在本申请实施例中,滑块区域以及滑块缺失区域为矩形。
为便于理解,参见图3,该图为本实施例提供的一张包括滑块区域以及滑块缺失区域的原始图像。通过该图可以看出,滑块区域的边沿与边沿内外侧存在明显的色差,滑块缺失区域的边沿与边沿内外侧存在明显的色差。通常情况下,滑块区域与滑块缺失区域的大小与形状一致。另外,图像坐标通常以左上角为原点建立坐标系,为便于后续描述,本文将统一以原始图像的左上角为坐标原点,向右为横坐标正方向,向下为纵坐标正方向进行说明。
在具体实现时,服务器在存储原始图像时,可以以二进制字节数组的形式存储原始图像。客户端在获取原始图像时,从服务器获取二进制字节数组,然后将二进制字节数组解析为原始图像。
S202:根据原始图像中各个像素点之间的颜色深度差,确定候选目标点。
本实施例中,当获取原始图像后,根据原始图像中各个像素点之间的颜色深度差,确定候选目标点。
在具体实现时,可以获取原始图像中每个像素点的颜色值,然后计算各个像素点之间的颜色深度差,并根据颜色深度差确定候选目标点。其中,颜色深度差表示两个像素点的色差,通常情况下,可以表示为两个像素点RGB(红绿蓝)色差,即一个像素点的(R+G+B)值与另一个像素点的(R+G+B)值之间的差值。其中,关于根据原始图像中各个像素点之间的颜色深度差确定候选目标点的具体实现方式将在后续实施例中进行说明。
S203:从候选目标点中筛选待识别区域的目标角点,待识别区域的目标角点用于标识待识别区域的位置。
本实施例中,当确定候选目标点后,从候选目标点中筛选待识别区域的目标角点,以利用待识别区域的目标角点识别待识别区域的位置。
可以理解的是,待识别区域包括滑块验证码的滑块区域以及滑块验证码的滑块缺失区域,因此,通过上述方法可以确定滑块区域的目标角点以及滑块缺失区域的目标角点。由于在屏幕像素确定的情况下,滑块区域和滑块缺失区域的长和宽是确定的,因此,在确定滑块区域的目标角点以及滑块缺失区域的目标角点时,可以确定滑块区域的位置以及滑块缺失区域的位置。
需要说明的是,通过图3可知,滑块区域和滑块缺失区域可以包括四个角点,即左上角点、右上角点、坐下角点和右下角点。在利用上述步骤识别滑块验证码之前,预先确定此次筛选的目标角点的方位。例如,目标角点为待识别区域的左上角点,即识别滑块区域的左上角点以及滑块缺失区域的左上角点。
另外,当确定了滑块区域的目标角点和滑块缺失区域的目标角点之后,可以计算滑块区域的目标角点和滑块缺失区域的目标角点之间的距离,然后可以控制鼠标或模拟手势拖动滑块区域移动上述距离至滑块缺失区域,完成滑块验证码的校验。
通过上述实施例可知,首先获取包括滑块验证码的滑块区域以及滑块验证码的滑块缺失区域的原始图像,并根据原始图像中各个像素点之间的颜色深度差,确定候选目标点。然后,再从候选目标点中筛选出待识别区域的目标角点,即确定滑块区域的目标角点以及滑块缺失区域的目标角点。在则可以根据滑块区域的目标角点确定滑块区域的位置以及根据滑块缺失区域的目标角点确定滑块缺失区域的位置,完成对滑块验证码的识别。可见,通过本申请实施例提供的方案,可以通过计算原始图像中像素点的颜色深度差特征最终确定待识别区域的目标角点,进而识别出滑块验证码,无需通过深度学习模型进行识别,降低识别计算量、提高识别速度。
在本申请实施例一种可能的实现方式中,提供了一种根据原始图像中各个像素点之间的颜色深度差确定候选目标点的方法,下面将结合附图对该方法进行说明。
参见图4,该图为本申请实施例提供的一种确定候选目标点的方法流程图,如图4所示,该方法可以包括:
S401:计算原始图像每行中的第一像素点个数以及原始图像每列中的第二像素点个数。
本实施例中,当通过S201获取包括待识别区域的原始图像后,获取原始图像每行中第一像素点个数以及原始图像每列中第二像素点个数。
其中,第一像素点表示当前行每个像素点与上一行或下一行对应像素点的颜色深度差大于深度阈值的像素点。实际应用时,第一像素点也可以表示为当前行每个像素点与上一行或下一行对应像素点的颜色深度差的绝对值大于深度阈值的像素点。其中,颜色深度差表示两个像素点的颜色深度值的差,每个像素点的颜色深度值可以通过计算该像素点的RGB值获得。即获得每个像素点的R值、G值以及B值,将三个值的和值作为该像素点的颜色深度值。深度阈值为预先设定颜色深度差,表示待识别区域中滑块区域内外侧色差或滑块缺失区域内外侧色差。
在具体实现时,需要根据目标角点的位置确定第一像素点为当前行每个像素点与上一行对应像素点的颜色深度差大于深度阈值的像素点,还是当前行每个像素点与下一行对应像素点的颜色深度差大于深度阈值的像素点。在实际应用时,当目标角点在待识别区域的上边缘时,第一像素点为与上一行对应像素点的颜色深度差大于深度阈值的像素点。当目标角点在待识别区域的下边缘时,第一像素点为与下一行对应像素点的颜色深度差大于深度阈值的像素点。即当目标角点为待识别区域的左上角点或右上角点时,则第一像素点为当前行每个像素点与上一行对应像素点的颜色深度差大于深度阈值的像素点。当目标角点为待识别区域的左下角点或右下角点时,则第一像素点为当前行的每个像个点与下一行对应像素点的颜色深度差大于深度阈值的像素点。
为便于理解,参见图5,当目标角点位于①或②时,目标角点所在行的像素点颜色值与上一行存在较明显的色差,则第一像素点为与上一行对应像素点的颜色深度差大于深度阈值的像素点。当目标角点位于③或④时,目标角点所在行的像素点颜色值与下一行存在明显的色差,则第一像素点为与下一行对应像素点的颜色深度差大于深度阈值的像素点。
同理,第二像素点表示当前列每个像素点与上一列或下一列对应像素点的颜色深度差大于深度阈值的像素点。实际应用中,第二像素点也可以表示为当前列每个像素点与上一列或下一列对应像素点的颜色深度差的绝对值大于深度阈值的像素点。
在具体实现时,需要根据目标角点的位置确定第二像素点为当前列每个像素点与上一列(向左一列)对应像素点的颜色深度差大于深度阈值的像素点,还是当前列每个像素点与下一列(向右一列)对应像素点的颜色深度差大于深度阈值的像素点。在实际应用时,当目标角点在待识别区域的左边缘时,第二像素点为与上一列对应像素点的颜色深度差大于深度阈值的像素点,当目标角点在待识别区域的右边缘时,第二像素点为与下一列对应像素点的颜色深度差大于深度阈值的像素点。即当目标角点为待识别区域的左上角点或左下角点时,则第二像素点为当前列每个像素点与上一列对应像素点的颜色深度差大于深度阈值的像素点。当目标角点为待识别区域的右上角点或右下角点时,则第二像素点为当前列的每个像个点与下一列对应像素点的颜色深度差大于深度阈值的像素点。
为便于理解,参见图5,当目标角点位于①或③时,目标角点所在列的像素点颜色值与左侧列即上一列存在较明显的色差,则第二像素点为与上一列对应像素点的颜色深度差大于深度阈值的像素点。当目标角点位于②或④时,目标角点所在列的像素点颜色值与右侧列即下一列存在明显的色差,则第二像素点为与下一列对应像素点的颜色深度差大于深度阈值的像素点。
在实际应用时,遍历原始图像中每一行和每一列,确定每一行中第一像素点个数,以及每一列中第二像素点个数。在具体实现时,可以并行确定每行的第一像素点个数以及每列中第二像素点个数,以减少能耗,提高识别速度。为便于理解,参见图6,该图为本申请实施例提供的并行处理框架图,以目标角点为左上角点为例。遍历原始图像中每一行以及每一列,计算当前行上每个像素点与上一行对应像素点的颜色深度差以及当前列上每个像素点与上一列对应像素点的颜色深度差。对于颜色深度差大于深度阈值的第一像素点和第二像素点分别进行计数,获得当前行第一像素点个数以及当前列第二像素点个数,然后进入下一行以及下一列,重复上述操作,直至遍历所有行和所有列。
S402:根据原始图像每行中的第一像素点个数以及原始图像每列中的第二像素点个数,在原始图像中确定候选行和候选列。
本实施例中,当确定原始图像中每行中的第一像素点个数以及每列中的第二像素点个数时,根据原始图像中每行中的第一像素点个数以及每列中的第二像素点个数,确定候选行和候选列。该候选行、候选列为可能包括目标角点的行或列。
在具体实现时,本实施例提供了一种根据原始图像中每行中的第一像素点个数以及每列中的第二像素点个数确定候选行和候选列的实施方案,具体可以包括以下步骤:
1)、将第一目标行的第一像素点个数与第二目标行的第一像素点个数相加,得到第一像素点和值。
本实施例中,将原始图像中的每一行作为第一目标行,计算第一目标行与第二目标行的第一像素点个数的和,获得两行的第一像素点和值。
在具体实现时,第二目标行位置与目标角点位置相关,当目标角点在待识别区域的上边缘时,第二目标行是在第一目标行向下第一距离的行。当目标角点在待识别区域的下边缘时,第二目标行是在第一目标行向上第一距离的行,第一距离为滑块区域的高度或则滑块缺失区域的高度。即,如果当前为识别滑块区域的目标角点,则第一距离为滑块区域的高度;如果当前为识别滑块缺失区域的目标角点,则第一距离为滑块缺失区域的高度。通常情况下,滑块区域与滑块缺失区域的高度相同。
可以理解的是,当目标角点在滑块区域或滑块缺失区域的上边缘时,为保证可以取到第二目标行,第一目标行最大取值为原始图像总行数减去滑块区域的高度或滑块缺失区域的高度。当目标角点在滑块区域或滑块缺失区域的下边缘时,为保证可以取到第二目标行,第一目标行最小取值为滑块区域的高度或滑块缺失区域的高度。
2)、如果第一像素点和值大于二倍的第二距离减去二倍的边长中断长度,则将第一目标行确定为候选行。
本实施例中,当确定每一第一像素点和值后,计算二倍的第二距离减去二倍的边长中断长度的差值,并比较第一像素点和值与上述差值的大小,如果第一像素点和值大于上述差值,则将该行确定为候选行。其中,第二距离为滑块区域的宽度或滑块缺失区域的宽度。
需要说明的是,通常情况下,滑块区域的宽度和滑块缺失区域的宽度相同。其中,边长中断长度为滑块区域或滑块缺失区域因凹凸导致各条边中断的像素点数。
3)、将第一目标列的第二像素点个数与第二目标列的第二像素点个数相加,得到第二像素点和值。
本实施例中,将原始图像中的每一列作为第一目标列,计算第一目标列与第二目标列的第二像素点个数的和,获得两列的第二像素点和值。
同理,在具体实现时,第二目标列位置与目标角点位置相关,当目标角点在待识别区域的左边缘时,第二目标列是在第一目标列向右第二距离的列。当目标角点在待识别区域的右边缘时,第二目标列是在第一目标列向左第二距离的列。
可以理解的是,当目标角点在滑块区域或滑块缺失区域的左边缘时,为保证可以取到第二目标列,第一目标列最大取值为原始图像总列数将去滑块区域的宽度或滑块缺失区域的宽度。当目标角点在滑块区域或滑块缺失区域的右边缘时,为保证可以取到第二目标列,第一目标列最小取值为滑块区域的宽度或滑块缺失区域的宽度。
4)、如果第二像素点和值大于二倍的第一距离减去二倍的所述边长中断长度,则将所述第一目标列确定为候选列。
本实施例中,当确定每一第二像素点和值后,计算二倍的第一距离减去二倍的边长中断长度的差值,并比较第二像素点和值与上述差值的大小,如果第二像素点和值大于上述差值,则将该行确定为候选列。
其中,边长中断长度为滑块区域或滑块缺失区域因凹凸导致各条边中断的像素点数。
需要说明的是,确定候选行和候选列的操作可同时并行执行,以加快确定速度,进一步提高识别滑块验证码的速度。
S403:将候选行和候选列的交叉点确定为候选目标点。
本实施例中,当确定候选行和候选列后,遍历每一个候选行与每一个候选列的交叉点,将该交叉点确定为候选目标点。
通过上述描述可知,通过两次遍历便可以快速确定候选目标点,以为后续确定待识别区域的目标角点减少计算量以及能耗,提高识别滑块验证码的速度。
当确定候选目标点后,可以从候选目标点中筛选获得待识别区域的目标角点,在本实施例一种可能的实现方式中,提供了一种筛选待识别区域的目标角点的方法,下面将结合附图对该方法进行说明。
参见图7,该图为本申请实施例提供的一种筛选待识别区域目标角点的方法的流程图,如图7所示,该方法可以包括:
S701:以候选目标点为目标角点构建待确认矩形。
本实施例中,将每个候选目标点作为目标角点构建待确认矩形。在具体实现时,由于滑块区域或滑块缺失区域的宽度和高度已知,将当前目标角点的坐标加上滑块区域或滑块缺失区域的宽度和高度,获得滑块区域或滑块缺失区域的四个角点,以利用四个角点构建确认矩形。
例如,目标角点为左上角点,坐标为(x,y),则滑块区域的宽度为a,高度为h,则滑块区域的右上角点为(x+a,y)、坐下角点为(x,y+h)、右下角点为(x+a,y+h),四个角点构成待确认矩形。
S702:当待确认矩形各条边缘上的满足预设条件的像素点个数之和大于像素点个数阈值,则确定候选目标点为所述待识别区域的目标角点。
本实施例中,将每一候选目标点作为目标角点构建待确认矩形,然后计算待确认矩形各条边缘上满足预设条件的像素点个数,并与像素点个数阈值进行比较,如果待确认矩形各条边缘上的满足预设条件的像素点个数之和大于像素点个数阈值,则确定候选目标点为所述待识别区域的目标角点。
其中,像素点个数阈值为二倍的滑块区域的高度或滑块缺失区域的高度加上二倍的滑块区域的宽度或滑块缺失区域的宽度减去n倍的边长中断长度,n为正整数。通常情况下滑块区域的高度与滑块缺失区域的高度相同,滑块区域的宽度与滑块缺失区域的高度相同。
为便于理解,设定滑块区域的高度为h,宽度为a,边长中断长度为d,则像素点个数阈值=2*a+2*h-n*d。
其中,待确认矩形各条边缘上的满足预设条件的像素点为外侧像素点的颜色深度与内侧像素点的颜色深度之差的绝对值大于深度阈值的像素点。深度阈值为滑块区域或滑块缺失区域内侧与外侧色差。其中,外侧像素点和内侧像素点为分布在当前像素点两侧的像素点,其与当前像素点的距离可以根据实际需求进行设定。
为便于理解,例如内、外侧像素点与当前像素点的距离为2,某条边缘上的某像素点坐标为(r,c),如果该像素点位于矩形上边,内测像素点坐标为(r,c+2),外侧像素点坐标为(r,c-2),如果该像素点的外侧像素点的颜色深度与内侧像素点的颜色深度差的绝对中大于深度阈值,则该像素点(r,c)为满足预设条件的像素点。如果位于矩形下边,内测像素点坐标(r,c-2),外侧像素点坐标(r,c+2),如果该像素点的外侧像素点的颜色深度与内侧像素点的颜色深度差的绝对中大于深度阈值,则该像素点(r,c)为满足预设条件的像素点;如果位于矩形左边,内测像素点坐标(r+2,c),外侧像素点坐标(r-2,c),如果该像素点的外侧像素点的颜色深度与内侧像素点的颜色深度差的绝对中大于深度阈值,则该像素点(r,c)为满足预设条件的像素点;如果位于矩形右边,内测像素点坐标(r-2,c),外侧像素点坐标(r+2,c),如果该像素点的外侧像素点的颜色深度与内侧像素点的颜色深度差的绝对中大于深度阈值,则该像素点(r,c)为满足预设条件的像素点。
通过上述实施例可知,通过本申请实施例提供的方法可以通过计算原始图像中像素点的颜色深度差特征最终确定待识别区域的目标角点,进而识别出滑块验证码,无需通过深度学习模型进行识别,降低识别计算量、提高识别速度。
基于上述方法实施例,本申请实施例提供了一种实现滑块验证码识别的装置,下面将结合附图对该装置进行说明。
参见图8,该图为本申请实施例提供的一种实现滑块验证码识别的装置结构图,如图8所示,该装置可以包括:
获取单元801,用于获取原始图像,所述原始图像中包括待识别区域,所述待识别区域包括滑块验证码的滑块区域以及所述滑块验证码的滑块缺失区域;
确定单元802,用于根据所述原始图像中各个像素点之间的颜色深度差,确定候选目标点;
筛选单元803,用于从所述候选目标点中筛选所述待识别区域的目标角点,所述待识别区域的目标角点用于标识所述待识别区域的位置。
在一种可能的实现方式中,所述确定单元,包括:
第一计算子单元,用于计算所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数;当目标角点在所述待识别区域的上边缘时,所述第一像素点为与上一行对应像素点的颜色深度差大于深度阈值的像素点,当目标角点在所述待识别区域的下边缘时,所述第一像素点为与下一行对应像素点的颜色深度差大于所述深度阈值的像素点;当目标角点在所述待识别区域的左边缘时,所述第二像素点为与上一列对应像素点的颜色深度差大于所述深度阈值的像素点,当目标角点在所述待识别区域的右边缘时,所述第二像素点为与下一列对应像素点的颜色深度差大于所述深度阈值的像素点;
第一确定子单元,用于根据所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数,在所述原始图像中确定候选行和候选列;
第二确定子单元,用于将所述候选行和所述候选列的交叉点确定为候选目标点。
在一种可能的实现方式中,所述第一确定子单元,包括:
第二计算子单元,用于将第一目标行的第一像素点个数与第二目标行的第一像素点个数相加,得到第一像素点和值;所述第一目标行分别取所述原始图像中的每一行,当目标角点在所述待识别区域的上边缘时,所述第二目标行是在所述第一目标行向下第一距离的行,当目标角点在所述待识别区域的下边缘时,所述第二目标行是在所述第一目标行向上所述第一距离的行,所述第一距离为所述滑块区域的高度或所述滑块缺失区域的高度;
第三确定子单元,用于如果所述第一像素点和值大于二倍的第二距离减去二倍的边长中断长度,则将所述第一目标行确定为候选行,所述第二距离为所述滑块区域的宽度或所述滑块缺失区域的高度;
第三计算子单元,用于将第一目标列的第二像素点个数与第二目标列的第二像素点个数相加,得到第二像素点和值;所述第一目标列分别取所述原始图像中的每一列,当目标角点在所述待识别区域的左边缘时,所述第二目标列是在所述第一目标行向右所述第二距离的列,当目标角点在所述待识别区域的右边缘时,所述第二目标列是在所述第一目标列向左所述第二距离的列;
第四确定子单元,用于如果所述第二像素点和值大于二倍的第一距离减去二倍的所述边长中断长度,则将所述第一目标列确定为候选列。
在一种可能的实现方式中,所述筛选单元,包括:
构建子单元,用于以所述候选目标点为目标角点构建待确认矩形;
第五确定子单元,用于当所述待确认矩形各条边缘上的满足预设条件的像素点个数之和大于像素点个数阈值,则确定所述候选目标点为所述待识别区域的目标角点,所述像素点个数阈值为二倍的所述滑块区域的高度或所述滑块缺失区域的高度加上二倍的所述滑块区域的宽度或所述滑块缺失区域的宽度减去n倍的边长中断长度,n为正整数。
在一种可能的实现方式中,所述待确认矩形各条边缘上的满足预设条件的像素点为外侧像素点的颜色深度与内侧像素点的颜色深度之差的绝对值大于深度阈值的像素点。
在一种可能的实现方式中,所述装置还包括:
计算单元,用于计算所述滑块区域的目标角点与所述滑块缺口区域的目标角点之间的距离。
需要说明的是,本实施例中各单元的具体实现可以参见方法实施例,本实施例在此不再赘述。
通过上述实施例可知,本申请实施例首先获取包括滑块验证码的滑块区域以及滑块验证码的滑块缺失区域的原始图像,并根据原始图像中各个像素点之间的颜色深度差,确定候选目标点。然后,再从候选目标点中筛选出待识别区域的目标角点,即确定滑块区域的目标角点以及滑块缺失区域的目标角点。则可以根据滑块区域的目标角点确定滑块区域的位置以及根据滑块缺失区域的目标角点确定滑块缺失区域的位置,完成对滑块验证码的识别。可见,通过本申请实施例提供的方案,可以通过计算原始图像中像素点的颜色深度差特征最终确定待识别区域的目标角点,进而识别出滑块验证码,无需通过深度学习模型进行识别,降低识别计算量、提高识别速度。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种实现滑块验证码识别的方法,其特征在于,所述方法包括:
获取原始图像,所述原始图像中包括待识别区域,所述待识别区域包括滑块验证码的滑块区域以及所述滑块验证码的滑块缺失区域;
根据所述原始图像中各个像素点之间的颜色深度差,确定候选目标点;
从所述候选目标点中筛选所述待识别区域的目标角点,所述待识别区域的目标角点用于标识所述待识别区域的位置;
其中,所述根据所述原始图像中各个像素点之间的颜色深度差,确定候选目标点,包括:
计算所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数;当目标角点在所述待识别区域的上边缘时,所述第一像素点为与上一行对应像素点的颜色深度差大于深度阈值的像素点,当目标角点在所述待识别区域的下边缘时,所述第一像素点为与下一行对应像素点的颜色深度差大于所述深度阈值的像素点;当目标角点在所述待识别区域的左边缘时,所述第二像素点为与上一列对应像素点的颜色深度差大于所述深度阈值的像素点,当目标角点在所述待识别区域的右边缘时,所述第二像素点为与下一列对应像素点的颜色深度差大于所述深度阈值的像素点;
根据所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数,在所述原始图像中确定候选行和候选列;
将所述候选行和所述候选列的交叉点确定为候选目标点;
其中,所述根据所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数,在所述原始图像中确定候选行和候选列,包括:
将第一目标行的第一像素点个数与第二目标行的第一像素点个数相加,得到第一像素点和值;所述第一目标行分别取所述原始图像中的每一行,当目标角点在所述待识别区域的上边缘时,所述第二目标行是在所述第一目标行向下第一距离的行,当目标角点在所述待识别区域的下边缘时,所述第二目标行是在所述第一目标行向上所述第一距离的行,所述第一距离为所述滑块区域的高度或所述滑块缺失区域的高度;
如果所述第一像素点和值大于二倍的第二距离减去二倍的边长中断长度,则将所述第一目标行确定为候选行,所述第二距离为所述滑块区域的宽度或所述滑块缺失区域的宽度;所述边长中断长度为所述滑块区域或滑块缺失区域因凹凸导致各条边中断的像素点数;
将第一目标列的第二像素点个数与第二目标列的第二像素点个数相加,得到第二像素点和值;所述第一目标列分别取所述原始图像中的每一列,当目标角点在所述待识别区域的左边缘时,所述第二目标列是在所述第一目标列向右所述第二距离的列,当目标角点在所述待识别区域的右边缘时,所述第二目标列是在所述第一目标列向左所述第二距离的列;
如果所述第二像素点和值大于二倍的第一距离减去二倍的所述边长中断长度,则将所述第一目标列确定为候选列。
2.根据权利要求1所述的方法,其特征在于,所述从所述候选目标点中筛选所述待识别区域的目标角点,包括:
以所述候选目标点为目标角点构建待确认矩形;
当所述待确认矩形各条边缘上的满足预设条件的像素点个数之和大于像素点个数阈值,则确定所述候选目标点为所述待识别区域的目标角点,所述像素点个数阈值为二倍的所述滑块区域的高度或所述滑块缺失区域的高度加上二倍的所述滑块区域的宽度或所述滑块缺失区域的宽度减去n倍的边长中断长度,n为正整数;所述边长中断长度为所述滑块区域或滑块缺失区域因凹凸导致各条边中断的像素点数。
3.根据权利要求2所述的方法,其特征在于,所述待确认矩形各条边缘上的满足预设条件的像素点为外侧像素点的颜色深度与内侧像素点的颜色深度之差的绝对值大于深度阈值的像素点。
4.一种实现滑块验证码识别的装置,其特征在于,所述装置包括:
获取单元,用于获取原始图像,所述原始图像中包括待识别区域,所述待识别区域包括滑块验证码的滑块区域以及所述滑块验证码的滑块缺失区域;
确定单元,用于根据所述原始图像中各个像素点之间的颜色深度差,确定候选目标点;
筛选单元,用于从所述候选目标点中筛选所述待识别区域的目标角点,所述待识别区域的目标角点用于标识所述待识别区域的位置;
其中,所述确定单元,包括:
第一计算子单元,用于计算所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数;当目标角点在所述待识别区域的上边缘时,所述第一像素点为与上一行对应像素点的颜色深度差大于深度阈值的像素点,当目标角点在所述待识别区域的下边缘时,所述第一像素点为与下一行对应像素点的颜色深度差大于所述深度阈值的像素点;当目标角点在所述待识别区域的左边缘时,所述第二像素点为与上一列对应像素点的颜色深度差大于所述深度阈值的像素点,当目标角点在所述待识别区域的右边缘时,所述第二像素点为与下一列对应像素点的颜色深度差大于所述深度阈值的像素点;
第一确定子单元,用于根据所述原始图像每行中的第一像素点个数以及所述原始图像每列中的第二像素点个数,在所述原始图像中确定候选行和候选列;
第二确定子单元,用于将所述候选行和所述候选列的交叉点确定为候选目标点;
其中,所述第一确定子单元,包括:
第二计算子单元,用于将第一目标行的第一像素点个数与第二目标行的第一像素点个数相加,得到第一像素点和值;所述第一目标行分别取所述原始图像中的每一行,当目标角点在所述待识别区域的上边缘时,所述第二目标行是在所述第一目标行向下第一距离的行,当目标角点在所述待识别区域的下边缘时,所述第二目标行是在所述第一目标行向上所述第一距离的行,所述第一距离为所述滑块区域的高度或所述滑块缺失区域的高度;
第三确定子单元,用于如果所述第一像素点和值大于二倍的第二距离减去二倍的边长中断长度,则将所述第一目标行确定为候选行,所述第二距离为所述滑块区域的宽度或所述滑块缺失区域的宽度;所述边长中断长度为所述滑块区域或滑块缺失区域因凹凸导致各条边中断的像素点数;
第三计算子单元,用于将第一目标列的第二像素点个数与第二目标列的第二像素点个数相加,得到第二像素点和值;所述第一目标列分别取所述原始图像中的每一列,当目标角点在所述待识别区域的左边缘时,所述第二目标列是在所述第一目标列向右所述第二距离的列,当目标角点在所述待识别区域的右边缘时,所述第二目标列是在所述第一目标列向左所述第二距离的列;
第四确定子单元,用于如果所述第二像素点和值大于二倍的第一距离减去二倍的所述边长中断长度,则将所述第一目标列确定为候选列。
5.根据权利要求4所述的装置,其特征在于,所述筛选单元,包括:
构建子单元,用于以所述候选目标点为目标角点构建待确认矩形;
第五确定子单元,用于当所述待确认矩形各条边缘上的满足预设条件的像素点个数之和大于像素点个数阈值,则确定所述候选目标点为所述待识别区域的目标角点,所述像素点个数阈值为二倍的所述滑块区域的高度或所述滑块缺失区域的高度加上二倍的所述滑块区域的宽度或所述滑块缺失区域的宽度减去n倍的边长中断长度,n为正整数;所述边长中断长度为所述滑块区域或滑块缺失区域因凹凸导致各条边中断的像素点数。
6.根据权利要求5所述的装置,其特征在于,所述待确认矩形各条边缘上的满足预设条件的像素点为外侧像素点的颜色深度与内侧像素点的颜色深度之差的绝对值大于深度阈值的像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910074774.1A CN109740337B (zh) | 2019-01-25 | 2019-01-25 | 一种实现滑块验证码识别的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910074774.1A CN109740337B (zh) | 2019-01-25 | 2019-01-25 | 一种实现滑块验证码识别的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740337A CN109740337A (zh) | 2019-05-10 |
CN109740337B true CN109740337B (zh) | 2020-12-22 |
Family
ID=66366202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910074774.1A Active CN109740337B (zh) | 2019-01-25 | 2019-01-25 | 一种实现滑块验证码识别的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740337B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674487B (zh) * | 2019-08-26 | 2020-11-13 | 北京金堤科技有限公司 | 滑动验证码的验证方法和装置、存储介质、电子设备 |
CN110826046A (zh) * | 2019-11-04 | 2020-02-21 | 北京锐安科技有限公司 | 一种网站登录的方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810488A (zh) * | 2012-11-09 | 2014-05-21 | 阿里巴巴集团控股有限公司 | 图像特征提取方法、图像搜索方法、服务器、终端及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375982B (zh) * | 2011-10-18 | 2013-01-02 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
US9361446B1 (en) * | 2014-03-28 | 2016-06-07 | Amazon Technologies, Inc. | Token based automated agent detection |
CN108304839B (zh) * | 2017-08-31 | 2021-12-17 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法以及装置 |
CN107948514B (zh) * | 2017-11-30 | 2019-07-19 | Oppo广东移动通信有限公司 | 图像虚化处理方法、装置、移动设备和计算机存储介质 |
CN108280338A (zh) * | 2018-01-12 | 2018-07-13 | 上海大学 | 一种滑动验证码的破解方法 |
-
2019
- 2019-01-25 CN CN201910074774.1A patent/CN109740337B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810488A (zh) * | 2012-11-09 | 2014-05-21 | 阿里巴巴集团控股有限公司 | 图像特征提取方法、图像搜索方法、服务器、终端及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109740337A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110660066B (zh) | 网络的训练方法、图像处理方法、网络、终端设备及介质 | |
CN103268481B (zh) | 一种复杂背景图像中的文本提取方法 | |
CN108052653A (zh) | 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法 | |
CN110619333B (zh) | 一种文本行分割方法、文本行分割装置及电子设备 | |
CN111291768B (zh) | 图像特征匹配方法及装置、设备、存储介质 | |
CN110543877A (zh) | 标识识别方法及其模型的训练方法、装置和电子系统 | |
CN109740337B (zh) | 一种实现滑块验证码识别的方法及装置 | |
CN111738252B (zh) | 图像中的文本行检测方法、装置及计算机系统 | |
CN112036232B (zh) | 一种图像表格结构识别方法、系统、终端以及存储介质 | |
CN111832561B (zh) | 基于计算机视觉的字符序列识别方法、装置、设备和介质 | |
CN112560847A (zh) | 图像文本区域定位方法及装置、存储介质及电子设备 | |
CN111428740A (zh) | 网络翻拍照片的检测方法、装置、计算机设备及存储介质 | |
CN113392455A (zh) | 基于深度学习的户型图比例尺检测方法、装置及电子设备 | |
KR102260556B1 (ko) | 전역 정보와 지역 정보 통합을 통한 딥러닝 기반 주차구획 검출 방법 및 장치 | |
CN111127480B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
JP2011087144A (ja) | テロップ文字領域検出方法,テロップ文字領域検出装置およびテロップ文字領域検出プログラム | |
CN108256475B (zh) | 一种票据图像倒置检测方法 | |
CN115457581A (zh) | 表格提取方法、装置及计算机设备 | |
CN113177885B (zh) | 校正图像的方法、装置、存储介质及电子设备 | |
EP3076370B1 (en) | Method and system for selecting optimum values for parameter set for disparity calculation | |
CN108696722B (zh) | 一种目标监测方法、系统及设备和存储介质 | |
CN112200864A (zh) | 一种图像处理方法、定位方法、装置、设备及存储介质 | |
CN105513050A (zh) | 一种目标图像提取方法及装置 | |
CN101169869A (zh) | 基于自动机的边界跟踪和链编码生成算法 | |
JP2017053812A (ja) | 3次元測定装置、照明装置、パターン生成装置、および方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |