|12306验证码为什么那么变态？都是这项深度学习应用给逼的
导读：12306为什么要设置那么复杂的验证码机制呢？就是因为OCR 。
今天聊OCR 。
OCR是人工智能、机器学习特别是深度学习 ， 在图像识别方向最为重要的应用之一 。 OCR全称Optical Chararcter Recogition ， 中文翻译为光学字符识别 ， 通常简写为OCR 。
作者：莫凡
来源：华章科技
本文插图
如果之前没有接触过OCR ， 光看名字上又光学又识别的 ， 容易产生“听起好像很高端很复杂”的距离感 ， 但实际上 ， 计算机科学的每一项技术都是为了机器具备多一项技能 ， 而OCR要机器具备的 ， 是一项对于我们人来说属于最最基本的技能——“看图识字” 。
我们可能对这个能力习以为常了 ， 以至于不会觉得这算是一项能力 ， 但仔细想一想就知道 ， 看图识字虽然最最基本 ， 不过同样也最最基础 ， 很多工作都需要首先具备看图识字这项技能才能开展 。 同样的道理 ， OCR现在也已经是我们日常生活中应用最为广泛的智能技术之一 。
如果一时没想起来 ， 不妨从咱们中国人都很熟悉的春运说起 。 12306大家应该都知道 ， 是订火车票的官方网站 ， 2015年12306出了一个轰动全国的“大新闻” ， 12306改变“验证码机制”了 。 买火车票之前 ， 用户先得要做几道颇为棘手的智力题 ， 譬如要求在几张图片中找出某位名人 ， 据说有些用户因为知识面比较窄最后选择放弃了购买火车票 。
这事大家都知道 ， 不过有没有想过一个最基本的问题：12306为什么要改变验证码机制呢？
就是因为OCR 。
本文插图
▲网友恶搞的12306验证码
验证码之所以叫验证“码” ， 是因为最开始验证码大都是一串保存在图片里的四位数字 。 验证码的作用自然是区别真人和机器 ， 听起来很厉害 ， 其实原理异常简单：机器擅长处理结构化数据 ， 而对于图像、文本和音频这些生活中很常见但属于非结构化的数据 ， 对机器来说 ， 用传统的算法处理难度非常大 。
为什么呢？不妨想象一个最最传统的验证码 ， 白底黑字 ， 上面一共四个阿拉伯数字 ， 我们人自然看一眼就知道是哪四个数字 。 但是在机器看起来 ， 这张图片是由一个挨一个的像素数值构成的数据矩阵 ， 这就产生一个问题 ， 我们人看起来是“空白”的地方 ， 在机器看起来同样也存在着数字 ， 并没有什么不同 ， 自然无法区分到底上面写了什么 。
OCR的研究人员当然也没有偷懒 ， 努力尝试了很多办法 ， 有一种思路是提取图片特征 ， 也研究出两种传统的提取方法 ， 分别是基于结构形态的特征提取 ， 和基于几何分布的特征提取 ， 也取得一些成果 。
但总的来说 ， 要求机器准确识别图片中的数字仍然很困难 ， 只要图片中存在一点点杂质干扰 ， 识别的正确率就大幅度下降 ， 这就是为什么后来验证码都会选择采用一些随机线条 ， 对于OCR来说 ， 这都是低成本高收益的防破解手段 。 但对人来说却轻而易举 ， 只需要看一眼就能识别 。
正是因为人和机器在处理非结构化数据存在能力鸿沟 ， 在验证码这里 ， 就是人和机器在识别图片中字符上的能力存在显著差异 ， 因此 ， 只要简单使用验证码 ， 就能相当准确地辨别正在输入的究竟是人还是机器 。
那为什么12306在2015年就非得换了很好用的验证码机制呢？是因为就在2012年 ， 发生了一件轰动整个研究界的事件 ， 这个事件影响深远 ， 推动OCR技术发生飞跃 ， 从此机器也能很轻易就准确识别图片上的数字了 。
OCR并不是新出现的概念 ， 起步非常早 。 根据《深度实践OCR：基于深度学习的文字识别》一书介绍 ， 早在1929年 ， 德国科学家就已经提出了OCR的想法 ， 后续又有一些科学家加入进行这方面研究 ， 不过 ， 直到计算机出现以后 ， 想法才慢慢落地 。
推荐阅读
- 情感|华为今天如此成功，看一下任正非的岳父是谁，你就知道为什么
- 华为手机|泪奔！等等党的心酸，为什么有些手机它偏不降价？
- 36氪|为什么说远程办公也许会毁了硅谷?
- 硅谷|为什么说远程办公也许会毁了硅谷?
- 科技造就未来|Apple为什么要使用ARM？为什么不从头开始？
- |为什么我店铺流量狂掉？淘宝竞争这么激烈还能不能做？
- 科学,探月|嫦娥五号年内升空 我们为什么要去月亮上“挖土”？
- 科学|嫦娥五号年内升空 我们为什么要去月亮上“挖土”？
- 华为手机|千元机中，为什么很多消费者首选红米？
- 怜雪的纪实|网上电脑为什么比实体店电脑便宜很多？