AI辅助验证码识别 · 易盾/极验/云片全类型突破开源项目

在数据采集与自动化业务流程中，验证码是人机交互的核心屏障。易盾、极验、云片等主流验证码平台广泛部署于电商、社交、政务等各类网站，其滑块拼图、文字点选、语义选择等多样化形态极大阻碍了自动化效率。传统OCR或简单模板匹配准确率低、泛化能力差，难以应对频繁更新的验证码样式。本项目旨在利用AI大模型与计算机视觉技术，构建一套高泛化、高精度的通用验证码识别方案，突破各类验证码限制，支撑大规模自动化数据采集业务。

本项目覆盖验证码识别三大模块：滑块模块支持易盾普通滑块、极验滑块、云片滑块的缺口识别与轨迹模拟，能够自动计算缺口位置并生成拟人化滑动轨迹；点选模块支持易盾点选、极验点选、云片点选的语义理解与坐标定位，能够识别文字/图标/语义类点选目标并返回精确坐标；AI底座模块基于大模型(LLM)进行验证码语义理解，结合CV技术进行目标检测与定位，构建自动化标注与模型训练pipeline，持续迭代提升识别率

本人独立负责整个项目的架构设计与开发。技术栈以Python为主，使用大模型API进行语义理解与目标识别，结合OpenCV进行图像预处理与缺口检测。架构上分为“图像预处理层 → AI推理层 → 坐标映射层 → 轨迹生成层”四层，实现端到端的识别闭环。核心难点在于点选类验证码的目标语义多变（如“请点击包含花朵的图片”），通过大模型的零样本学习能力实现语义理解，无需针对每种题型重新训练；滑块缺口识别方面，采用边缘检测+深度学习结合方案，抗干扰能力强。最终各类验证码识别成功率均达92%以上，自动化标注pipeline使数据标注成本降低约80%