基于CRNN模型的不定长图像验证码识别方法研究

为了提高对变长图像验证码的识别准确率，本文采用了卷积循环神经网络（CRNN）结构。该模型结合了 CNN 提取图像特征和 RNN 序列建模的优势，能更有效地处理字符数不固定的验证码。通过使用 CTC 损失函数实现端到端训练，实验结果显示该方法在变长验证码识别任务上具有良好的性能。
更多内容访问ttocr.com或联系1436423940

1. 引言
   传统验证码识别多采用固定字符长度方式分类，但实际应用中验证码往往存在长度变化，传统多分类方案难以泛化。CRNN 通过将图像特征转换为序列，并结合循环神经网络进行预测，适用于字符数不固定的任务，尤其适合现实网络中的验证码识别需求。

2. 数据生成
   使用 Python 的 captcha 与 Pillow 库生成长度为 4~6 的变长验证码图像：

from captcha.image import ImageCaptcha
import random, string, os
from PIL import Image

chars = string.digits + string.ascii_lowercase
image = ImageCaptcha(width=200, height=60)

def generate_images(num, save_dir):
os.makedirs(save_dir, exist_ok=True)
for i in range(num):
length = random.randint(4, 6)
text = ''.join(random.choices(chars, k=length))
img = image.generate_image(text)
img.save(f"{save_dir}/{text}.png")

generate_images(10000, 'crnn_train')
generate_images(1000, 'crnn_test')
3. 模型架构：CRNN
CRNN 模型由三部分组成：卷积层提取图像特征，双向 LSTM 建模序列依赖关系，最后通过 CTC 解码输出字符序列。

import torch.nn as nn

class CRNN(nn.Module):
def init(self, num_classes):
super().init()
self.cnn = nn.Sequential(
nn.Conv2d(1, 64, 3, 1, 1), nn.ReLU(), nn.MaxPool2d(2, 2),
nn.Conv2d(64, 128, 3, 1, 1), nn.ReLU(), nn.MaxPool2d(2, 2),
)
self.rnn = nn.LSTM(128, 256, bidirectional=True, num_layers=2, batch_first=True)
self.fc = nn.Linear(512, num_classes)

def forward(self, x):
    x = self.cnn(x)              # shape: (B, C, H, W)
    x = x.permute(0, 3, 1, 2)    # -> (B, W, C, H)
    x = x.squeeze(3)             # -> (B, W, C)
    output, _ = self.rnn(x)
    return self.fc(output)

字符集为 [0-9a-z] 共 36 个字符，加上一个空白字符用于 CTC，总共 37 类。

4. 损失函数与训练流程
   采用 CTC（Connectionist Temporal Classification）损失处理不定长预测序列：

import torch
import torch.nn.functional as F

ctc_loss = nn.CTCLoss(blank=36)

def compute_loss(pred, targets, pred_lengths, target_lengths):
pred = pred.log_softmax(2) # shape: (B, T, C)
pred = pred.permute(1, 0, 2) # shape: (T, B, C)
return ctc_loss(pred, targets, pred_lengths, target_lengths)
目标序列通过字符编码压缩成索引序列，训练过程中需记录真实长度与预测长度。