【项目】基于YOLOv8和RotNet实现圆形滑块验证码(拼图)自动识别(通过识别中间圆形的角度实现)

@TOC

一、引言

1.1 实现目标

要达到的效果是使用算法预测中间圆形的角度,返回给服务器,实现自动完成验证码的问题。要实现的内容如下图所示。
在这里插入图片描述

在这里插入图片描述

1.2 实现思路

思路1(效果较差):以RotNet要实现的验证码识别为灵感,先利用YOLO算法检测出中间圆,再把圆形图像输入给RotNet,让其预测角度,进而返回给服务器。

但是实际应用的过程中,笔者发现这种算法逻辑执行效果较差。
因为RotNet要完成的是独立的圆预测角度,实现的是如下图所示的圆的角度预测,单独的圆就已经是独立出来的一张图像,因此直接输入进网络,预测效果会很好
在这里插入图片描述
但是我们要实现的相当于中间圆和外部图形的拼图操作,而不仅仅是简单的预测角度,所以直接把中间的圆拿出来进行角度预测,显然脱离了背景,而且有些题把中间独立的圆抠出来之后,很难对其角度进行定义,所以效果很差
在这里插入图片描述

思路2:有了思路1的教训,我们要做的第一步就是把外部的背景图像引入进来进行训练

二、数据集制备

网络上没有此类开源的数据集,因此笔者自行进行了制备,具体分为以下两种:

  1. 一种是以下这种圆完全归位的一整张图,都是用美工P图的方法进行制备的在这里插入图片描述
  2. 第二种是直接截取的这种没有P图过的没有修正过的图像
    在这里插入图片描述
    此类数据集制备完成之后再用笔者编写的脚本使其归位,部分代码如下
    大致思路为:
  • 先使用YOLO算法检测出图像中的圆
  • 再利用算法使用a、d两个按键进行角度偏转,使用z、c两个按键进行切图
  • 观察到图像回正之后,按s键保存到指定文件夹下

效果如下:

3eb50dabc910b6

import math
import numpy as np
import cv2
from ultralytics import YOLO
import osyolo_model = YOLO(r"D:\kb\rotate-captcha-crack-master_my\yolo.pt")def code_dect(folder_path, output_path):files = []current_index = 0while True:if not files:print("文件夹中没有图像文件。")breakimg_path = os.path.join(folder_path, files[current_index])img = cv2.imread(img_path)imgDoub = img# 检测出的boxcenter_box = []results = yolo_model.predict(img, stream=True)boxAll = []for r in results:boxes = r.boxesfor box in boxes:x1, y1, x2, y2 = box.xyxy[0]  # 获取边界框的坐标x1, y1, x2, y2 = int(x1), int(y1), int(x2), int(y2)w, h = x2 - x1, y2 - y1bbox = (x1, y1, w, h)boxAll.append(bbox)# 计算图像中心坐标width, height = img.shape[0], img.shape[1]image_center_x = width / 2image_center_y = height / 2# 找出距离图像中心最近的矩形框min_distance = float('inf')for rectangle in boxAll:center_x, center_y = calculate_center(rectangle)distance = math.sqrt((center_x - image_center_x) ** 2 + (center_y - image_center_y) ** 2)if distance < min_distance:min_distance = distancecenter_box = rectangleif center_box == []:print(f"没有检测到目标:{img_path}")else:# 创建与图像相同大小的黑色背景mask = np.zeros_like(imgDoub[:, :, 0])# 定义圆的外接矩形坐标x, y, w, h = center_box# 在掩码上绘制白色的圆形cv2.circle(mask, (x + w // 2, y + h // 2), min(w, h) // 2, (255, 255, 255), -1)# 将掩码应用到白色背景上,保留圆形区域onlyCircle = cv2.bitwise_and(imgDoub, imgDoub, mask=mask)mask2 = np.zeros_like(img, dtype=np.uint8)# 在掩码上绘制圆形区域cv2.circle(mask2, (x + w // 2, y + h // 2), min(w, h) // 2, (255, 255, 255), -1)rotate = Truereverse = Falseangle = 0while rotate:# 获取图像的中心点坐标height, width = onlyCircle.shape[:2]center = (width // 2, height // 2)# 定义旋转矩阵rotation_matrix = cv2.getRotationMatrix2D(center, angle, 1.0)# 进行旋转变换rotated_image = cv2.warpAffine(onlyCircle, rotation_matrix, (width, height))# 将圆形区域置为0imgDoub[mask2 != 0] = 0result = rotated_image + imgDoubcv2.imshow("result", result)# 添加按键监听key = cv2.waitKey(1)# z、c分别是切换上一张或者下一张图if key == ord('z'):current_index = (current_index - 1) % len(files)break# 按下 'c' 键逆时针旋转elif key == ord('c'):current_index = (current_index + 1) % len(files)break# 按下 's' 键保存图像elif key == ord('s'):output_img_path = os.path.join(output_path, files[current_index])cv2.imwrite(output_img_path, result)print(f"图像已保存到:{output_img_path}")if key == ord('a'):angle += 1# 按下 'd' 键逆时针旋转elif key == ord('d'):angle -= 1elif key == ord('q'):angle += 10elif key == ord('e'):angle -= 10if __name__ == '__main__':folder_path = input("请输入文件夹路径:")output_path = input("请输入输出路径:")code_dect(folder_path, output_path)

三、算法逻辑

1、生成样本

使用RotNet作为本算法的预测核心预测算法,把我们上文中生成的回正数据首先利用编写的脚本给每张图像生成360张不同角度的图像,文件名的后缀代表这张图象真实的偏转角度。
,

2、训练算法

把生成的所有图像输入进改进的RotNet进行训练,由于这种类型的样本学习很容易出现过拟合的现象,因此笔者在网络中加了几个DropOut操作。

3、算法逻辑

我们并没有简单把单张图像输入进算法来进行角度预测,这样360个类别误差太大效果会比较差,在应用的时候我们也是先把中间的圆形图像抠出来,然后对其使用算法旋转360度,把360张图像都进行角度预测,最后取出0到3度和357到359度的图像返回它的序列值,即真实的角度值。如果没有这些范围之内的图像,那就返回-1,切下一张图像,防止错误次数太多。代码如下所示:

import math
import numpy as np
import torch
from PIL import Image
from rotate_captcha_crack.common import device
from rotate_captcha_crack.model import RotNetR
from rotate_captcha_crack.utils import process_captcha
import cv2
from ultralytics import YOLOyolo_model = YOLO(r"D:\chenjie\rotate-captcha-crack-master_my\yolo.pt")def calculate_center(rectangle):x, y, w, h = rectanglecenter_x = x + w / 2center_y = y + h / 2return center_x, center_ymodel = RotNetR(train=False, cls_num=360)
model_path = r"D:\chenjie\rotate-captcha-crack-master_my\models\RotNetR\240316_17_14_23_006\best.pth"model.load_state_dict(torch.load(str(model_path)))
model = model.to(device=device)
model.eval()
def predictAngle(img):img = Image.fromarray(img)img_ts = process_captcha(img)img_ts = img_ts.to(device=device)predict = model.predict(img_ts)return predictdef code_dect(img):imgDoub = img# 检测出的boxcenter_box = []results = yolo_model.predict(img, stream=True)boxAll = []for r in results:boxes = r.boxesfor box in boxes:x1, y1, x2, y2 = box.xyxy[0]  # Gives coordinates to draw bounding boxx1, y1, x2, y2 = int(x1), int(y1), int(x2), int(y2)w, h = x2 - x1, y2 - y1bbox = (x1, y1, w, h)boxAll.append(bbox)# 计算图像中心坐标width, height = img.shape[0], img.shape[1]image_center_x = width / 2image_center_y = height / 2# 找出距离图像中心最近的矩形框min_distance = float('inf')for rectangle in boxAll:center_x, center_y = calculate_center(rectangle)distance = math.sqrt((center_x - image_center_x) ** 2 + (center_y - image_center_y) ** 2)if distance < min_distance:min_distance = distancecenter_box = rectangleif center_box==[]:print("kong")else:# 把圆区域搞出来# 创建与图像相同大小的黑色背景mask = np.zeros_like(imgDoub[:, :, 0])# 定义圆的外接矩形坐标x, y, w, h = center_box# 在掩码上绘制白色的圆形cv2.circle(mask, (x + w // 2, y + h // 2), min(w, h) // 2, (255, 255, 255), -1)# 将掩码应用到白色背景上,保留圆形区域onlyCircle = cv2.bitwise_and(imgDoub, imgDoub, mask=mask)# 显示结果图像# cv2.imshow('Only Circle', onlyCircle)# cv2.imshow('imgDoub', imgDoub)# cv2.waitKey(0)mask2 = np.zeros_like(img, dtype=np.uint8)# 在掩码上绘制圆形区域cv2.circle(mask2, (x + w // 2, y + h // 2), min(w, h) // 2, (255, 255, 255), -1)angles = []for angle in range(0, 360):# 获取图像的中心点坐标height, width = onlyCircle.shape[:2]center = (width // 2, height // 2)# 定义旋转矩阵rotation_matrix = cv2.getRotationMatrix2D(center, angle, 1.0)# 进行旋转变换rotated_image = cv2.warpAffine(onlyCircle, rotation_matrix, (width, height))# 将圆形区域置为0imgDoub[mask2 != 0] = 0result = rotated_image+imgDoubpredict = predictAngle(result)# cv2.imshow("sdf",result)# print(predict)# cv2.waitKey(10)angles.append(predict)minAngle = min(angles)maxAngle = max(angles)minAngleIdx = angles.index(min(angles))maxAngleIdx = angles.index(max(angles))finalAngleIdx = -1if maxAngle>356:finalAngleIdx = maxAngleIdxelif minAngle<4:finalAngleIdx = minAngleIdxprint(finalAngleIdx)return finalAngleIdxif __name__ == '__main__':# 测试整体img = cv2.imread("D:\chenjie\\rotate-captcha-crack-master_my\images\e42c0939dc3bde88657a88ac07d59d6.png")code_dect(img)

最后可以达到80-90%的通过率,效果已经很不错了
演示效果如下:

ab7c1b94c3bc27b8

三、代码、数据集获取

q:1831255794(有偿)制备数据集和写算法耗费了大量时间精力,因此收取点小费希望理解!!!
可接项目,大作业,毕设等 
价格略贵,技术够硬,认真负责,保证质量

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/771745.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

MQ消息队列从入门到精通速成

文章目录 1.初识MQ1.1.同步和异步通讯1.1.1.同步通讯1.1.2.异步通讯 1.2.技术对比&#xff1a; 2.快速入门2.1.安装RabbitMQ2.2.RabbitMQ消息模型2.3.导入Demo工程2.4.入门案例2.4.1.publisher实现2.4.2.consumer实现 2.5.总结 3.SpringAMQP3.1.Basic Queue 简单队列模型3.1.1.…

深入理解SHA系列哈希算法:安全性的保障与演进

码到三十五 &#xff1a; 个人主页 心中有诗画&#xff0c;指尖舞代码&#xff0c;目光览世界&#xff0c;步履越千山&#xff0c;人间尽值得 ! 本文将深入探讨SHA&#xff08;Secure Hash Algorithm&#xff09;系列哈希算法的工作原理、应用场景及其安全性。我们将了解SHA系…

35.基于SpringBoot + Vue实现的前后端分离-在线考试系统(项目 + 论文)

项目介绍 本站是一个B/S模式系统&#xff0c;采用SpringBoot Vue框架&#xff0c;MYSQL数据库设计开发&#xff0c;充分保证系统的稳定性。系统具有界面清晰、操作简单&#xff0c;功能齐全的特点&#xff0c;使得基于SpringBoot Vue技术的在线考试系统设计与实现管理工作系统…

深入探讨Maven打包:打造精致的Zip包

在部署Spring Boot生产项目时&#xff0c;首先需要使用Maven将其打包成一个JAR文件或者包含JAR文件的ZIP文件。随后&#xff0c;通过堡垒机将打包好的文件上传至服务器进行部署&#xff0c;或构建成Docker镜像进行发布。在这一过程中&#xff0c;我们需要将项目中的配置文件或静…

Unity 布局控制器Content Size Fitter

Content Size Fitter是Unity中的一种布局控制器组件&#xff0c;用于根据其内容的大小来调整包含它的UI元素的大小。换句话来说就是&#xff0c;Content Size Fitter可以根据UI元素内部内容的大小&#xff0c;自动调整UI元素的大小&#xff0c;以确保内容能够正确显示。 如下图…

深度强化学习(十)(TRPO)

深度强化学习&#xff08;十&#xff09;&#xff08;TRPO与PPO&#xff09; 一.信赖域方法 原问题&#xff1a; maxmize J ( θ ) \text{maxmize} \qquad\qquad J(\theta) maxmizeJ(θ) J J J是个很复杂的函数&#xff0c;我们甚至可能不知道 J J J 的解析表达式&#xff…

华为ENSP的VLAN原理和配置命令

CSDN 成就一亿技术人&#xff01; 作者主页&#xff1a;点击&#xff01; ENSP专栏&#xff1a;点击&#xff01; CSDN 成就一亿技术人&#xff01; ————前言———— VLAN&#xff08;Virtual Local Area Network&#xff0c;虚拟局域网&#xff09;是一种在物理网络基…

【回眸】Tessy 单元测试软件使用指南(三)怎么打桩和指针赋值和测试

目录 前言 Tessy 如何进行打桩操作 普通桩 高级桩 手写桩 Tessy单元测试之指针相关测试注意事项 有类型的指针&#xff08;非函数指针&#xff09;&#xff1a; 有类型的函数指针&#xff1a; void 类型的指针&#xff1a; 结语 前言 进行单元测试之后&#xff0c;但凡…

STM32技术打造:智能考勤打卡系统 | 刷卡式上下班签到自动化解决方案

文章目录 一、简易刷卡式打卡考勤系统&#xff08;一&#xff09;功能简介原理图设计程序设计 哔哩哔哩&#xff1a; https://www.bilibili.com/video/BV1NZ421Y79W/?spm_id_from333.999.0.0&vd_sourcee5082ef80535e952b2a4301746491be0 一、简易刷卡式打卡考勤系统 &…

数据在内存的存储(2)【浮点数在内存的存储】

一.浮点数以什么形式存储在内存中 根据根据国际标准IEEE&#xff08;电气和电子工程协会&#xff09;754&#xff0c;任意一个二进制浮点数V都可以存储为这样的形式&#xff1a; V&#xff08;-1&#xff09;^S*M*2^E。 &#xff08;1&#xff09;&#xff08;-1&#xff09;^…

[免费]通义灵码做活动,送礼品,快来薅羊毛!!!

你的编辑器装上智能ai编辑了吗&#xff0c;的确挺好用的。 最近阿里云AI编码搞活动&#xff0c;可以免费体验并且还可以抽盲盒。有日历、马克杯、代金券、等等其他数码产品。 大多数都是日历。 点击链接参与「通义灵码 体验 AI 编码&#xff0c;开 AI 盲盒」 https://develope…

蓝桥杯2023真题-幸运数字

目录 进制转换&#xff1a; 思路 代码 题目链接&#xff1a; 0幸运数字 - 蓝桥云课 (lanqiao.cn) 本题就考的进制转换问题&#xff0c;要将十进制5转换成二进制&#xff0c;通过%2,和/2的交替使用即可完成&#xff0c;所得余数就是转换成的二进制各位的值&#xff0c;转换…

SQLAlchemy操作数据库

数据库是一个网站的基础。 比如 MySQL 、 MongoDB 、 SQLite 、 PostgreSQL 等&#xff0c;这里我们以 MySQL为例进行讲解。 SQLAlchemy 是一个 ORM 框架 我们会以 MySQL SQLAlchemy 组合进行讲解。 在操作数据库操作之前&#xff0c;先确保你已经安装了以下两个插件&#…

继承-练习

T3、编写程序实现乐手弹奏乐器。乐手可以弹奏不同的乐器从而发出不同的声音。可以弹奏的乐器包括二胡、钢琴和琵琶。要求&#xff1a; 定义乐器类Instrument&#xff0c;包括方法makeSound()定义乐器类的子类&#xff1a;二胡Erhu、钢琴Piano和小提琴Violin定义乐手类Musician&…

使用RN输入验证码(四个输入框)

先安装 yarn add react-native-confirmation-code-fieldRN代码 import React, { useState } from react; import { SafeAreaView, Text, StyleSheet, Dimensions } from react-native;import { CodeField, Cursor } from react-native-confirmation-code-field; const width …

Aurora IP的Framing帧接口和Streaming流接口

本文介绍Aurora IP配置时要选择的接口类型以及两种接口类型之前的区别。 Aurora IP接口有两种模式&#xff1a;Framing帧接口&#xff0c;Streaming流接口 目前一直在用的都是Framing帧接口。 Framing帧接口和Streaming流接口的主要区别是什么呢&#xff1f; 顾名思义&#x…

国内用户掌握ChatGPT,你已超越万人!

在数字时代&#xff0c;掌握前沿技术往往意味着拥有更多的机遇和可能。ChatGPT&#xff0c;作为当前最热门的人工智能技术之一&#xff0c;已经证明了其在各个领域的广泛应用价值。但在中国&#xff0c;能熟练使用ChatGPT的人究竟领先了多少人&#xff1f;让我们深入探讨。>…

【Git】日志功能

1. git日志显示 # 显示前3条日志 git log -3# 单行显示 git log --oneline# 图表日志 git log --graph# 显示更改摘要 git log --stat# 显示更改位置 git log --patch 或 git log -p# 查看指定文件的提交历史记录 git log {filename}例子1&#xff1a;单行显示 例子2&#xff…

2024年最新阿里云服务器价格表_CPU内存+磁盘+带宽价格

2024年阿里云服务器租用费用&#xff0c;云服务器ECS经济型e实例2核2G、3M固定带宽99元一年&#xff0c;轻量应用服务器2核2G3M带宽轻量服务器一年61元&#xff0c;ECS u1服务器2核4G5M固定带宽199元一年&#xff0c;2核4G4M带宽轻量服务器一年165元12个月&#xff0c;2核4G服务…

ManageEngine EventLog Analyzer: 功能丰富的日志分析工具

来自 Zoho Corp. 的 ManageEngine EventLog Analyzer 是一个小型应用程序&#xff0c;提供了许多功能。该产品采用无代理方式收集和分析机器生成的日志。该工具可以收集和规范化事件日志和机器数据&#xff0c;并在易于使用的基于 Web 的界面中提供分析、搜索、报告生成和存档等…