Python - 通用滑块验证码识别库 Captcha-Recognizer

滑块验证码缺口位置的精准识别是验证环节的核心，本文将详细介绍一款基于深度学习实现的通用滑块验证码识别库 ——Captcha-Recognizer。该库已封装为易用的 Python 库，仅需三行代码即可完成滑块验证码缺口识别，极大降低了开发者应对滑块验证码的技术门槛。

GitHub仓库：https://github.com/chenwei-zhao/captcha-recognizer
Gitee仓库：https://gitee.com/chenwei-zhaozhao/captcha-recognizer

注：实测比DdddOcr效果好一些，但不绝对，需根据不同场景选择合适的识别工具。

Captcha-Recognizer 库概述

Captcha-Recognizer 是一款易用的通用滑块验证码识别库，通过深度学习训练通用的缺口检测模型，依托训练结果能够精准识别出验证码中的滑块缺口位置，并返回缺口的坐标与可信度。

支持的验证码类型：

• 单缺口验证码背景图
• 多缺口验证码背景图
• 验证码截图（包含滑块和背景图）

以下为三种类型验证码的示例图：

单缺口验证码背景图

多缺口验证码背景图

验证码截图（包含滑块和背景图）

使用方法

一、HTTP API使用：captcha-api

该库提供了基于 Vue + FastAPI 搭建的验证码识别演示平台，相关资源可参考验证码识别库：Captcha Recognizer，适用于需要通过 API 接口调用验证码识别功能的场景。

二、Python安装

通过 Python 的包管理工具 pip 即可轻松安装 Captcha-Recognizer 库，命令如下：

pip install captcha-recognizer

使用示例

V1版本

基于单缺口/多缺口验证码背景图识别滑块缺口

from captcha_recognizer.recognizer import Recognizer# source传入图片路径支持 Union[str, Path, bytes, np.ndarray]
# verbose=False表示关闭冗余输出
# show_result 为True展示识别效果图 (生产环境请设置show_result=False)
# save 为True保存识别结果图 （生产环境请设置save=False)
# is_single 默认为False表示支持多缺口背景图识别，is_single=True表示仅支持单缺口背景图识别（指定is_single为True时，对单缺口背景图识别准确度更高）recognizer = Recognizer()
box, confidence = recognizer.identify_gap(source='your_example_image.png')print(f'缺口坐标: {box}')
print(f'可信度: {confidence}')"""
打印结果如下:
缺口方框坐标: [331.72052001953125, 55.96122741699219, 422.079345703125, 161.7498779296875]
可信度: 0.9513089656829834坐标原点：图片左上角
缺口方框坐标为缺口方框左上角和右下角距离坐标原点的距离
"""

示例图
包括且不限于以下类型、尺寸的滑块图片检测

示例图 1	识别效果示例图1
示例图 2	识别效果示例图 2
示例图 3	识别效果示例图 3

基于验证码截图的识别滑块缺口

from captcha_recognizer.recognizer import Recognizer# source传入图片路径，支持 Union[str, Path, bytes, np.ndarray]
# verbose=False表示关闭冗余输出
# show_result 为True展示识别效果图 (生产环境请设置show_result=False)
# save 为True保存识别结果图 （生产环境请设置save=False)ecognizer = Recognizer()
box, confidence = recognizer.identify_screenshot(source='your_example_image.png')print(f'缺口坐标: {box}')
print(f'可信度: {confidence}')"""
打印结果如下:
缺口方框坐标: [331.72052001953125, 55.96122741699219, 422.079345703125, 161.7498779296875]
可信度: 0.9513089656829834坐标原点：图片左上角
缺口方框坐标为缺口方框左上角和右下角距离坐标原点的距离
"""

示例图 1

识别效果示例图1

基于验证码截图识别滑块距离

from captcha_recognizer.recognizer import Recognizer# source传入图片路径或图片对象，支持Union[str, Path, bytes, np.ndarray]
# verbose=False表示关闭冗余输出
# show_result 为True展示识别效果图 (生产环境请设置show_result=False)
# save 为True保存识别结果图 （生产环境请设置save=False)recognizer = Recognizer()
distance = recognizer.identify_distance_by_screenshot(source='your_screenshot.jpg')print('滑块距离', distance)

V2 增强版

V2增强版，增强了对多缺口复杂验证码的识别效果

V2支持以下类型验证码的识别

• 单缺口验证码背景图（不含滑块的背景图）
• 多缺口验证码截图或合成图（含滑块和背景图）

V2 Beta 增强版使用示例

首先需升级库至最新版本，命令如下：

pip install captcha-recognizer --upgrade

# V2增强版
from captcha_recognizer.slider import SliderV2box, confidence = SliderV2().identify(source=f'images_example/example8.png', show=True)
print(f'缺口坐标: {box}')
print('置信度', confidence)

注意事项

偏移量

部分滑块验证码的滑块初始位置存在一定偏移，以如下示例图为例：

在示例图中：​

• 第一条黑线位置为滑块初始位置，距离图片边框约 8 个像素的偏移量（offset 为 8）。​
• 识别结果的缺口坐标为 [x1, y1, x2, y2]，对应缺口的左上角和右下角坐标（坐标原点为图片左上角）。​
• 第二条黑线的 X 轴坐标值对应缺口识别结果左上角的 X 轴坐标值，此处为 154（x1 为 154）。​
• 因此，实际滑块的距离为 x1 - offset（即 154 - 8 = 146），也就是说实际滑块距离为缺口的 x1 值减去滑块距离图片边框的偏移量 (offset)。

图片缩放

部分验证码在前端渲染时会对图片进行缩放，此时实际的滑块距离需按照图片缩放比例进行计算，以确保滑块移动距离的准确性，示例图如下：

图片识别耗时

• 首次识别图片耗时较长（约 2 秒），后续单张图片的识别耗时约为 60 毫秒（60 毫秒）。​
• 造成首次识别耗时较长的原因是，首次识别时需要将模型从磁盘加载到内存中，并完成权重加载、内存分配等一系列初始化工作，该过程相对耗时。​
• 一旦模型加载完成并初始化好，后续的图片预测可直接利用已加载的模型和分配好的资源，从而避免重复加载和初始化的开销，大幅缩短识别耗时。

ddddocr 和 captcha-recognizer 的优缺点分析

以下是ddddocr和captcha-recognizer的优缺点分析：

• ddddocr
  • 优点：
    • 简单易用：安装方便，只需几行代码即可实现验证码识别功能，对于开发者来说上手难度低。
    • 支持多种类型：可识别数字、字母、中文等多种类型的验证码，还能处理一些简单的滑块验证码。
    • 速度较快：在CPU环境下单字符识别耗时仅8ms，能够满足一些对识别速度有要求的场景。
    • 轻量级模型：基于CNN的轻量级模型，大小小于15MB，占用资源少，易于集成到各种项目中。
    • 开源免费：项目完全开源，开发者可以免费使用，降低了开发成本。
  • 缺点：
    • 准确率有限：对于一些复杂的验证码，可能会出现误识别或无法识别的情况，准确率不是特别高。
    • 特殊字体识别效果差：遇到一些特殊字体的验证码，识别率可能会受到影响。
    • 依赖数据训练：其识别效果依赖于训练数据，对于一些新出现的或与训练数据差异较大的验证码类型，识别效果可能不佳。
    • 内存占用较大：在一些小内存机器上运行可能会存在问题，且识别速度跟机器性能关系很大，CPU性能不佳时速度会较慢。
• captcha-recognizer
  • 优点：
    • 适应复杂场景：基于YOLOv8的轻量化缺口检测模型，能够支持多缺口、旋转干扰、背景噪声等复杂场景下的验证码识别。
    • Python原生API：提供Python原生API，对于Python开发者来说，集成非常方便，几乎没有门槛。
    • 模型轻量化：基于YOLOv8的轻量化模型，在保证一定准确率的同时，对计算资源的需求相对较低，能够在多种设备上运行。
  • 缺点：
    • 功能相对单一：主要专注于滑块验证码等特定类型的验证码识别，对于其他类型的验证码，如数字、字母、中文混合的普通字符验证码，可能不如专门的OCR工具如ddddocr支持得好。
    • 准确率受场景限制：虽然能处理复杂场景，但在一些极端复杂或特殊的情况下，其识别准确率可能也会受到影响。
    • 依赖特定模型：其性能和效果依赖于YOLOv8模型的性能和训练情况，如果模型本身存在局限性，可能会影响整体的识别效果。