目标网址
glidedsky.com/
搞爬虫，应该会知道这个网站。这次我们要做的就是 爬虫-验证码-1 这一题
分析过程
页面
这道题目是求，1000页的数字和。
进入第一页，首先会有一个滑块验证，验证通过后，会加载所需数据。
只能得到缺口背景图和缺口的图片
基本流程
第一步，使用selenium登录网站，访问题目页
第二步，确定移动距离
第三步，设置滑动算法，避免单一被识别 第四步，解析通过验证后数据
确定距离解决方案一
灰度处理
可以发现缺口位置的颜色是比其他位置深的。按照这个特征，我们将背景图，进行灰度处理，调整阈值，使只有缺口部位为黑色，然后确定黑色的起始横坐标来计算滑动距离。
这是我们的理想状态，可是这种方案的准确率并不高，不稳定。
确定距离解决方案二
深度学习
缘由
最开始是在 崔庆才博客,看到使用华为modelarts平台，利用深度学习来识别缺口位置。我跟着文章，去尝试了一下，成功了。但是平台里面很多名词，认证啥的很繁琐。最后部署上线后，自己都调用不了。感觉现在机器学习框架已经这么成熟了，写个这个应该不难，所以准备自己动手完成一个缺口识别模型。
详情连接
我之前没搞过机器学习，是在B站看了视频，跟着做的。不过现在视频被下掉了。这里提供作者的博客
bingxiong.vip/18438/
环境准备
我的配置如下
python3.6 tensorflow-gpu 1.12.0 cuda9 cudnn7
对应关系请参考官网 tensorflow.google.cn/install/sou…
数据预处理
我们先去搞个100张滑块的缺口图。
安装标注程序 pip install labelImg
将我们的图片都标注起来，这里标注区域与缺口相切即可
将标注完的图片，按比例放入train和test文件中，我这里是8:2
然后运行 python xml_to_csv.py 将我们标注的xml 汇总成csv表格，方便程序读取
然后参考详情连接中第10，11步完成初始化
要注意 训练步数为faster_rcnn_inception_v2_pets.config中num_steps的值，我们这个小项目，几千步就可以了，我这里设置了10000步，有点多。
训练，生成模型
参照详情连接中第12步，开始训练后 training文件夹中会不断生成训练的成果。
最终成果
可以做到精准识别缺口了，在实际使用中也是相当准确。
