一、简介
现在各个网站反爬措施越来越丰富。反爬方式也越来越难，轨迹验证码就是防御的最好措施，下面最近最近收集到不同网站轨迹验证码的图片样例。
轨迹的也从最开始的简单，变得越来越复杂。为了增加难度，轨迹也变得越来越不清晰，轨迹的颜色也和背景图融为了一体，可能连人眼都很难去区分。
这张图片轨迹还比较简单，轨迹比较直，没有曲线，而且轨迹和背景颜色差别较大，人眼容易区分。
这个网站的轨迹验证码难度就比较大，首先轨迹的颜色比较淡，而且轨迹都是曲线。甚至还有船行驶的轨迹作为干扰，很容易让模型把船行驶的轨迹错误识别为需要鼠标滑动的轨迹。
这个网站的轨迹变得更加不清晰，颜色都是和雾气一样弥散的，轨迹没有明显的分界线。而且比较浅的颜色也容易和背景元素融为一体，甚至行程遮挡关系。只能说是难上加难。
二、识别代码
为了解决越来越多的轨迹识别问题，我们收集了大量图片，标记了大量数据。我们训练出了一个比较完美的模型，几乎可以通用类似的所有轨迹验证码
下面是识别的代码，代码的使用也很简单，只需要上传上面的轨迹图片就行，最后会得到滑动的轨迹。
import base64 import requests import datetime from io import BytesIO from PIL import Image t1 = datetime.datetime.now() #PIL图片保存为base64编码 def PIL_base64(img, coding='utf-8'): img_format = img.format if img_format == None: img_format = 'JPEG' format_str = 'JPEG' if 'png' == img_format.lower(): format_str = 'PNG' if 'gif' == img_format.lower(): format_str = 'gif' if img.mode == "P": img = img.convert('RGB') if img.mode == "RGBA": format_str = 'PNG' img_format = 'PNG' output_buffer = BytesIO() # img.save(output_buffer, format=format_str) img.save(output_buffer, quality=100, format=format_str) byte_data = output_buffer.getvalue() base64_str = 'data:image/' + img_format.lower() + ';base64,' + base64.b64encode(byte_data).decode(coding) # base64_str = base64.b64encode(byte_data).decode(coding) return base64_str # 加载图片 img1 = Image.open(r'E:\Python\lixin_project\OpenAPI接口测试\test_img\84.jpg') # 图片转base64 img1_base64 = PIL_base64(img1) 验证码识别接口 可以根据自己网络情况选择不同接口 http://bq1gpmr8.xiaomy.net（电信） http://220.167.181.200:9009（移动、电信、联通） # 验证码识别接口 url = "http://220.167.181.200:9009/openapi/verify_code_identify/" data = { # 用户的key "key":"onNYnzzAWPO8E0bPDmJv", # 验证码类型 "verify_idf_id":"84", # 样例图片 "img_base64":img1_base64, } import json print(json.dumps(data)) header = {"Content-Type": "application/json"} # 发送请求调用接口 response = requests.post(url=url, json=data, headers=header) # 获取响应数据，识别结果 print(response.text) print("耗时：", datetime.datetime.now() - t1)识别后的图片可视化
想了解更多验证码识别，免费测试效果请访问：https://bq1gpmr8.xiaomy.net/tool/verifyCodeHomePage2/?_=1765759147337
