基于特征匹配与CNN的浮动验证码识别研究

• 作者: 何晨航 侯俊 张磊 胡蝶 陈伟朋
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 特征匹配 卷积神经网络 交叉匹配算法 K近邻匹配算法
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 37-41
• 页数: 5页
• 分类号: TP301
• 字数: 5041字
• 语种: 中文
• DOI: 10.11907/rjdk.191914

摘要

为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法.首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与K近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在mnist手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练.对10000张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达95％,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	上海理工大学光电信息与计算机工程学院	55	266	8.0	14.0
2	侯俊	上海理工大学光电信息与计算机工程学院	18	43	4.0	5.0
3	胡蝶	上海理工大学光电信息与计算机工程学院	5	2	1.0	1.0
4	何晨航	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0
5	陈伟朋	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0