基于特征匹配与CNN的浮动验证码识别研究

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。