Python实现动态GIF英数验证码识别完整流程

闻溪

发布时间：2026-10-11| 6人浏览过

原创

针对包含上下浮动文字与翻滚干扰项的动态GIF英数验证码，本文详细介绍如何基于Python与PIL进行逐帧拆分，清洗易混淆字符并构建数据集。随后结合ddddocr开源项目进行模型训练，采用步长抽样策略降低推理耗时，最终在千次测试中实现接近98%的高准确率识别。

验证码特征与识别难点

该类型动态验证码由数字与大写英文字母随机组合而成，固定尺寸为100×35像素。主要识别障碍包括：验证码主体会垂直方向浮动甚至短暂超出边界线；同时存在从左至右水平翻滚的数字或字母干扰项。由于GIF各帧起始顺序为乱序，直接截取固定索引帧无法有效规避干扰，因此必须通过全量分帧并结合时序采样策略进行处理。

准备条件与基础环境

完整识别流程依赖图像处理与深度学习推理两大模块。需提前安装 Pillow（处理GIF流）、OpenCV（读取与保存PNG帧）、NumPy（数组转换）以及 ddddocr 训练框架。确保工作目录权限正常，并已准备好足够的GIF样本文件。

第1步：统计并提取GIF帧序列

目的：确认动态图实际帧数，评估拆解后的数据体量。入口为待分析的 .gif 文件，通过循环读取直到触发 EOFError 停止。关键操作如下：

from io import BytesIO
from PIL import Image

def get_frame_count(binary_data):
    img = Image.open(BytesIO(binary_data))
    frame_num = 0
    while True:
        try:
            _ = img.tell()
            frame_num += 1
            img.seek(frame_num)
        except EOFError:
            break
    print(f'当前GIF共有 {frame_num} 帧')
    return frame_num

with open('./captcha_samples/sample_01.gif', 'rb') as f:
    data = f.read()
count = get_frame_count(data)

经实测，此类GIF通常包含25帧。拆分为25张静态图片后，后续OCR识别难度将显著降低。

第2步：批量切分静态帧与清洗字符集

目的：将动态视频流转化为静态图像集合，并过滤训练集中易混淆字符。目标字符集为数字 2~9 与大写字母 A-Z。其中 I 与 O 极易与 0、1 混淆，标注完成后建议全局剔除这两个字符以提升模型泛化能力。

import os
import cv2
import numpy as np
from io import BytesIO
from PIL import Image

def split_gif_frames(gif_path, save_dir):
    img = Image.open(gif_path)
    basename = os.path.splitext(os.path.basename(gif_path))[0]
    
    for i in range(25):
        try:
            buf = BytesIO()
            img.save(buf, format='png')
            raw_bytes = buf.getvalue()
            # OpenCV解码并保存单帧
            frame_arr = np.frombuffer(raw_bytes, dtype=np.uint8)
            frame_img = cv2.imdecode(frame_arr, cv2.IMREAD_COLOR)
            out_name = f'{basename}_frame{i}.png'
            cv2.imwrite(os.path.join(save_dir, out_name), frame_img)
            img.seek(i + 1)
        except EOFError:
            break

source_dir = './hg_gifs/'
target_dir = './hg_pngs/'
os.makedirs(target_dir, exist_ok=True)
for fname in os.listdir(source_dir):
    if fname.endswith('.gif'):
        split_gif_frames(os.path.join(source_dir, fname), target_dir)

按此流程采集约2.2万张GIF并全量切分后，可获得超过55万张静态训练图。标注完成后务必执行字符过滤规则。