Taiwan Train Verification Code 2 text ( 台鐵驗證碼轉文字 )

introduce

提供各位開發程式訂票，其中驗證碼破解部分的方法，可直接使用，不須再回傳 image 用人工方式辨識。
此 package 使用 keras & Tensorflow 建模&預測，需要安裝相依 package。

model test data 準確率約為 88%，使用 10 萬張圖進行 training。

pip3 install TaiwanTrainVerificationCode2text

cv2 比較難裝，以下提供安裝方法

conda install -c menpo opencv
# 你還需要這個
pip3 install h5py

demo

input 

output

WNBA8S

exmaple

import os
import platform
from TaiwanTrainVerificationCode2text import verification_code2text
from TaiwanTrainVerificationCode2text import work_vcode 
from TaiwanTrainVerificationCode2text import download 
import TaiwanTrainVerificationCode2text
PATH = TaiwanTrainVerificationCode2text.__path__[0]
import cv2
import matplotlib.pyplot as plt
import random
from datetime import datetime

# 下載我 train 好的 weight，ttf 是驗證碼字形，用於以下生成模擬驗證碼
download.weight()
download.ttf()
# 生成模擬驗證碼
work_vcode.work_vcode_fun(10,'test_data',5)
work_vcode.work_vcode_fun(10,'test_data',6)

if 'linux' in platform.platform():
    file_path = '{}/{}/'.format(PATH,'test_data')
    train_image_path = [file_path + i for i in os.listdir(file_path+'/')]
else:
    file_path = '{}\\{}\\'.format(PATH,'test_data')
    train_image_path = [file_path + i for i in os.listdir(file_path+'\\')]
# 隨機取一個當作 demo
image_name = train_image_path[random.sample( range(len(train_image_path)) ,1)[0]]

# 讀取圖片
image = cv2.imread(image_name)
# 畫圖
plt.imshow(image)
# 辨識，驗證碼轉文字
text = verification_code2text.main(image)
# 印出最後結果
print(text)

最後結果就會類似 demo ，

如果想自己 train，可以使用

build_verification_code_cnn_model.py

稍微介紹主要 code

def main():
    import work_vcode 
    #import time
    # 因為台鐵驗整碼是 5~6 隨機，因此必須生成 5 碼驗證碼& 6 碼驗證碼
    # 500 是 data 數量，建議數字為30000，500 只是 demo
    work_vcode.work_vcode_fun(500,'train_data',5)
    work_vcode.work_vcode_fun(500,'train_data',6)
	# 生成 test data，可根據自己喜好調整 data 數量
    work_vcode.work_vcode_fun(100,'test_data',5)
    work_vcode.work_vcode_fun(100,'test_data',6)
    self = build_verification_code_cnn_model()
    # 建模，最後 weight 會存放在 package_path/cnn_weight/verificatioin_code.h5
    self.build_model_process()  

train 好後，可再使用以上 example code，會讀取你 train 好的 weight。

方法

由於驗證碼是26個英文字搭配10個數字，再加上隨機 5~6 碼，我將 class 分成 26 + 10 + null，37類，下去做分類。
null 代表沒有此文字， 我將 NN 結構中的 output 設計為 6 dimension，將5碼也看成6碼，只是最後一個是 null，藉此同時處理 5 or 6 碼問題。

future

面臨到最大的問題是，null 佔比例太大，以上面生成 data 的 code 為例

    work_vcode.work_vcode_fun(500,'train_data',5)
    work_vcode.work_vcode_fun(500,'train_data',6)

先不管英文&數字數量，有一半的 class 是 null，因此在分類問題上，會造成嚴重的 imbalance 問題，即使 data 增加也不會改善問題，未來將搭配 object detection，改善準確率。

如有問題，可寄信給我 or 留言在 issues。

email : linsam.tw.github@gmail.com