在国内外，验证码识别和其他字符识别方法极为相似，因而可以借鉴现有的成熟的字符识别技术，如 OCR 系统、车牌识别等。也可以采用K临近法、BP 网络、 SVM 方法对可分割的验证码进行识别。88547

利用神经网络算法识别验证码的研究在国外已经成为一个较为热门的领域，正逐渐成为一个产业，关于验证码识别的理论体系已日渐趋于完善。[2]而在国内不仅验证码机制并未引起足够的重视，验证码识别技术起步也比较晚，利用神经网络研究验证码识别的人较少，理论体系上几乎还是空白，现有国内的研究大都集中在数字或英文字符规范、无粘连和扭曲的验证码。目前的识别主要是有针对性的识别某一类 CAPTCHA。 现有的研究也大都针对某个网站的一种验证码，尚没有统一的方法 可以解决所有验证码的识别问题。

神经网络作为一种仿生算法，有着杰出的学习能力。从上世纪起，很多研究者对模式识别进行了深入研究，并且在特征提取、建模方法等方面取得了很多成果。[2]近20年来，神经网络技术逐渐成熟，由于其具有强泛化能力和实用性能，故能有效地解决实际生活中各种诸如分类、识别或与其相关的问题，被应用到了模式识别领域的各个方面。目前，有很多关于语音和图像识别方面的研究，大多数都是采用神经网络算法。论文网

参考文献

[1] Robert Layton。Learning Data Mining with Python[M]。packt publisher。2015

[2] 齐敏，李大健，郝重阳编著。模式识别导论[M]。清华大学出版社。2009

[3] 钟守铭，刘碧森，王晓梅等编著。神经网络稳定性理论[M]。科学出版社。2010

[4] DavidMika。MatplotlibandZope。http://www。scipy。org/cookbook/zope[OL]。2006

[5] PERKINS J。Python text processing with NLTK 2。0 。cookbook:Lite edition。2011

[6] 文晓阳,高能,夏鲁宁,荆继武。高效的验证码识别技术与验证码分类思想[J]。 计算机工程。2009(08)

[7] 张涛。基于BMP图片汉字验证码的设计与实现[J]。 电脑开发与应用。 2008(12)

[8] 钱博,李燕萍,唐振民,徐利敏。基于神经网络集成的说话人识别算法仿真研究[J]。系统仿真学报。2008(05)

[9] 潘大夫,汪渤。一种基于外部轮廓的数字验证码识别方法[J]。微计算机信息。2007(25)

[10] 周志华,皇甫杰,张宏江,陈祖翰。基于神经网络集成的多视角人脸识别[J]。计算机研究与发展。2001(10)

[11] 倪超,李奇,夏良正。基于KPCA联合并联抑制神经网络变换的红外目标识别算法[J]。东南大学学报(自然科学版)。2008(02)