对火车票验证码检测的推测

李国帅 2018/1/26

自己对火车票验证码做了个简单的推测，也许对也许不对，提供大家共享。

我想大概有两个步骤：1、识别码的收集，2、识别码处理，3、识别码对比。

利用第三方买票工具收集，记录出现了那些登录或者购票验证码图像，用户又是如何选择的，这样慢慢建立起庞大全面的验证码数据库，当然这部分也可以直接向有关部门购买。

有了这么一个数据库，就有了验证码比对的基础，说不定还可以把数据库卖给别的做购票工具的人。

本以为每个识别图像都是单独的图片，后来发现整个图片组都是一个图像。这样就存在两种可能。

把整个图像组看作是分离的图像：关键字图像（“请点击下图中所有的”后面的文字），八个拆分的识别码图像。

关键字图像中最多包含两个关键字，组合关系较少，因此可以将整个一行图像作为一个关键字图像，建立索引。

八个识别码图像分别建立索引。

把整个图片组作为一个识别图像建立索引。

采用第一种方式，将会需要对图像进行拆分，相对来说比第二种方式复杂，不过相对来说可能更加合理而高效。

关于图像的对比，可能有多种方法，使用opencv库，可能还要了解一下小波分析之类的概念，或者说直接使用像素对比。

不过也许这一切根本就不需要，因为用户对验证码进行了对比。最根本的原因是火车票验证码图片具有明显的特征：图像大小固定，色彩固定，文件大小固定。这个特征大大降低了识别码对比的难度，使得对比时不用做图像分析。

第一部分已经讲到，采用第三方购票工具，已经在收集了验证码图片和正确的选择方式，下一次只要知道上一次如何选择，本次就知道如何选择了。

首先对每一张验证图片生成一个256位的MD5，以及对应的验证码选择。

如果第一种模式，根据关键字图像的MD5查询到库中关联识别图像的多个MD5图像，然后将组合图中的识别图MD5与库中的MD5图像对比，获取要选择的序号。

如果第二种模式，那么会简单一些，直接根据验证码的MD5查询出要选择的序号。