这篇教程基于Pytorch版yolov5的滑块验证码破解思路详解写得很实用，希望能帮到您。
前言本文将使用pytorch框架的目标识别技术实现滑块验证码的破解。我们这里选择了yolov5算法 例：输入图像 
输出图像 
可以看到经过检测之后，我们能很准确的定位到缺口的位置，并且能得到缺口的坐标，这样一来我们就能很轻松的实现滑动验证码的破解。 一.前期工作yolov系列是常用的目标检测算法，yolov5不仅配置简单，而且在速度上也有不小的提升，我们很容易就能训练我们自己的数据集。
YOLOV5 Pytorch版本GIthub网址感谢这位作者的代码。 下载之后，是这样的格式 ---data/ Annotations/ 存放图片的标注文件（.xml） images/ 存放待训练的图片 ImageSets/ 存放划分数据集的文件 labels/ 存放图片的方框信息 其中只需要修改Annotations和images两个文件夹。
首先我们将待训练的图片放入images 数据集要感谢这位大神的整理https://github.com/tzutalin/labelImg，在这个基础上我增加了50张来自腾讯的验证码图片 数据集已上传百度云 链接: https://pan.baidu.com/s/1XS5KVoXqGHglfP0mZ3HJLQ 提取码: wqi8 
然后我们需要对其进行标注，告诉计算机我们希望它识别什么内容。这时候我们需要精灵标注这款软件。免费而且功能强大，五星好评！ 
第一步选择images文件夹，第二步有几类就写几类，建议用英文。这里只有一类，即为缺失快的位置，命名为target。注意标注的时候要左右恰好卡住，不然获得的坐标就不精准。 标注完成后，点击导出，文件格式不用动，直接点确定，就会在images/outputs文件夹生成我们的标注文件。全部复制到Annotations文件夹即可。 回到主目录，运行makeTxt.py和voc_label.py，makeTxt直接运行即可，voc_label需要修改classes的值，这次只有一target import xml.etree.ElementTree as ETimport pickleimport os# os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表from os import listdir, getcwdfrom os.path import joinsets = ['train', 'test', 'val']classes = ['target'] #之前标注时有几个类，这里就输入几个类"""............ """ 进入data文件夹，修改coco.yaml的内容 # COCO 2017 dataset http://cocodataset.org# Download command: bash yolov5/data/get_coco2017.sh# Train command: python train.py --data ./data/coco.yaml# Dataset should be placed next to yolov5 folder:# /parent_folder# /coco# /yolov5# train and val datasets (image directory or *.txt file with image paths)train: ../coco/train2017.txt # 118k imagesval: ../coco/val2017.txt # 5k imagestest: ../coco/test-dev2017.txt # 20k images for submission to https://competitions.codalab.org/competitions/20794# number of classesnc: 1# class namesnames: ['target']# Print classes# with open('data/coco.yaml') as f:# d = yaml.load(f, Loader=yaml.FullLoader) # dict# for i, x in enumerate(d['names']):# print(i, x)再进入models文件夹，修改yolov5s.yaml的内容 nc: 1 # number of classesdepth_multiple: 0.33 # model depth multiplewidth_multiple: 0.50 # layer channel multiple"""''''''''''''""" 至此配置环节终于结束了，可以开始训练了！ 打开train.py，我们一般只需要修改–weights，–cfg，–data，–epochs几个设置即可 parser = argparse.ArgumentParser()parser.add_argument('--weights', type=str, default='yolov5s.pt', help='initial weights path')parser.add_argument('--cfg', type=str, default='models/yolov5s.yaml', help='model.yaml path')parser.add_argument('--data', type=str, default='data/coco.yaml', help='data.yaml path')parser.add_argument('--hyp', type=str, default='data/hyp.scratch.yaml', help='hyperparameters path')parser.add_argument('--epochs', type=int, default=300)parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs')parser.add_argument('--img-size', nargs='+', type=int, default=[640, 640], help='[train, test] image sizes')parser.add_argument('--rect', action='store_true', help='rectangular training')parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')parser.add_argument('--notest', action='store_true', help='only test final epoch')parser.add_argument('--noautoanchor', action='store_true', help='disable autoanchor check')parser.add_argument('--evolve', action='store_true', help='evolve hyperparameters')parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')parser.add_argument('--cache-images', action='store_true', help='cache images for faster training')parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')parser.add_argument('--adam', action='store_true', help='use torch.optim.Adam() optimizer')parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')parser.add_argument('--log-imgs', type=int, default=16, help='number of images for W&B logging, max 100')parser.add_argument('--log-artifacts', action='store_true', help='log artifacts, i.e. final trained model')parser.add_argument('--workers', type=int, default=4, help='maximum number of dataloader workers')parser.add_argument('--project', default='runs/train', help='save to project/name')parser.add_argument('--name', default='exp', help='save to project/name')parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')opt = parser.parse_args()直接运行train.py，开始训练！
。。。。。。。。。。。。。。。。 训练完成后，进入runs/train/exp/weights，我们复制best.pt到主目录。 最后，我们打开datect.py，修改几个属性 parser = argparse.ArgumentParser() parser.add_argument('--weights', nargs='+', type=str, default='best.pt', help='model.pt path(s)') parser.add_argument('--source', type=str, default='test.jpg', help='source') # file/folder, 0 for webcam parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)') parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold') parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS') parser.add_argument('--device', default='0', help='cuda device, i.e. 0 or 0,1,2,3 or cpu') parser.add_argument('--view-img', action='store_true', help='display results') parser.add_argument('--save-txt', action='store_true', help='save results to *.txt') parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels') parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --class 0, or --class 0 2 3') parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS') parser.add_argument('--augment', action='store_true', help='augmented inference') parser.add_argument('--update', action='store_true', help='update all models') parser.add_argument('--project', default='runs/detect', help='save results to project/name') parser.add_argument('--name', default='exp', help='save results to project/name') parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment') opt = parser.parse_args()–source属性我们可以先修改为data/images，对自己的数据集进行识别看看能否正常识别。
小Tips，如果执行后不报错，但没有检测框的话，试试看修改–device为cpu，cuda版本太低会导致使用gpu没有检测框（问就是被这个小问题迫害了很久 --_–）。 最后在112行左右的位置，添加一个print 
这时执行程序就会返回方框的位置信息和自信度了 
我们的前驱工作终于完成了~ 二.编写爬虫1.寻找合适的网站经过一番搜寻，最后锁定了https://007.qq.com/online.html 因为它的网站结构很方便我们的操作。 2.导入依赖库这里我们采用selenium来模拟人类的操作。
关于selenium的安装和webdriver的安装方法本文不作延伸。 from selenium import webdriverfrom selenium.webdriver.common.action_chains import ActionChainsimport requests,reimport osimport requestsimport re import timefrom selenium.webdriver import ActionChains 3.编写破解程序访问网站，发现破解之前要依次点击 
编写代码 def run() driver = webdriver.Chrome() headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.106 Safari/537.36"} #伪装请求头 driver.get('https://007.qq.com/online.html') #访问网站 driver.find_element_by_xpath('/html/body/div[1]/section[1]/div/div/div/div[2]/div[1]/a[2]').click() driver.find_element_by_xpath('//*[@id="code"]').click() #模拟点击操作继续 
这里便是我们要识别的图片，不过直接定位的话并不能定位到，因为这段代码是由iframe包裹着的，我们需要先定位到这个iframe time.sleep(2) #休眠2秒，防止报错 driver.switch_to_frame("tcaptcha_iframe") #根据iframe的id定位到iframe target = driver.find_element_by_xpath("/html/body/div/div[3]/div[2]/div[1]/div[2]/img").get_attribute("src") #得到图片的原地址 response = requests.get(target,headers=headers) #访问图片地址 img = response.content with open( 'test.jpg','wb' ) as f: f.write(img) #将图片保存到主目录,命名为test.jpg现在图片也有了，检测程序也准备好了，那么开始检测吧！ ''' os.popen()的用法，简单来说就是执行cmd命令，并得到cmd的返回值 这里是执行detect.py ''' result = os.popen("python detect.py").readlines() #执行目标检测程序 list = [] for line in result: list.append(line) #将cmd的返回信息存入列表 print(list) a = re.findall("(.*):(.*]).(.*)//n",list[-4]) #获得图片的位置信息 print(a) print(len(a)) if len(a) != 0: #如果能检测到方框 tensor=a[0][1] pro = a[0][2] list_=tensor[2:-1].split(",") location = [] for i in list_: print(i) b = re.findall("tensor(.*)",i)[0] location.append(b[1:-2]) #提取出来方框左上角的xy和右下角的xy drag1 = driver.find_element_by_xpath('/html/body/div/div[3]/div[2]/div[2]/div[2]/div[1]') #定位到拖动按钮处 action_chains = ActionChains(driver) #实例化鼠标操作类 action_chains.drag_and_drop_by_offset(drag1, int(int(location[2])/2-85), 0).perform() #模拟鼠标按住并拖动距离 X 后再放开 input("等待操作") driver.quit() else: driver.quit() print("未能识别") 这里着重说一下 action_chains.drag_and_drop_by_offset(drag1, int(int(location[2])/2-85), 0).perform() 为什么要拖 int(int(location[2])/2-85) 远。 首先location这个列表的格式为[左上x，左上y，右下x，右下y]，location[2]即为取出右下角的x值。 我们保存到本地的验证码图片分辨率如下 
但网站显示的图片大小 
x轴刚好为本地图片的一半，所以int(location[2]/2)得到的便是
但是待拖动的方块本身距离左边还有一定距离，通过分析发现 
这个小方块的最左边距离图片的最左边的距离即为红框中的26，即 
26+68-10=84，因为这个10是试出来的长度，我们就令这段距离为85吧 至此 int(int(location[2])/2-85) 的由来也解释清楚了。
大功告成啦，那让我们看一遍演示吧！ 
selenium完整代码如下 from selenium import webdriverfrom selenium.webdriver.common.action_chains import ActionChainsimport requests,reimport osimport requestsimport re import timefrom selenium.webdriver import ActionChainsdef run() driver = webdriver.Chrome() headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.106 Safari/537.36"} #伪装请求头 driver.get('https://007.qq.com/online.html') #访问网站 driver.find_element_by_xpath('/html/body/div[1]/section[1]/div/div/div/div[2]/div[1]/a[2]').click() driver.find_element_by_xpath('//*[@id="code"]').click() #模拟点击操作 time.sleep(2) #休眠2秒，防止报错 driver.switch_to_frame("tcaptcha_iframe") #根据iframe的id定位到iframe target = driver.find_element_by_xpath("/html/body/div/div[3]/div[2]/div[1]/div[2]/img").get_attribute("src") #得到图片的原地址 response = requests.get(target,headers=headers) #访问图片地址 img = response.content with open( 'test.jpg','wb' ) as f: f.write(img) #将图片保存到主目录,命名为test.jpg ''' os.popen()的用法，简单来说就是执行cmd命令，并得到cmd的返回值 这里是执行detect.py ''' result = os.popen("python detect.py").readlines() #执行目标检测程序 list = [] for line in result: list.append(line) #将cmd的返回信息存入列表 print(list) a = re.findall("(.*):(.*]).(.*)//n",list[-4]) #获得图片的位置信息 print(a) print(len(a)) if len(a) != 0: #如果能检测到方框 tensor=a[0][1] pro = a[0][2] list_=tensor[2:-1].split(",") location = [] for i in list_: print(i) b = re.findall("tensor(.*)",i)[0] location.append(b[1:-2]) #提取出来方框左上角的xy和右下角的xy drag1 = driver.find_element_by_xpath('/html/body/div/div[3]/div[2]/div[2]/div[2]/div[1]') #定位到拖动按钮处 action_chains = ActionChains(driver) #实例化鼠标操作类 action_chains.drag_and_drop_by_offset(drag1, int(int(location[2])/2-85), 0).perform() #模拟鼠标按住并拖动距离 X 后再放开 input("等待操作") driver.quit() else: driver.quit() print("未能识别") while True: run()到此这篇关于基于Pytorch版yolov5的滑块验证码破解思路详解的文章就介绍到这了,更多相关Pytorch滑块验证码破解内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
python实现不同数据库间数据同步功能
python实现学生通讯录管理系统 |
