点选验证码破解全流程：数据采集到线上落地的实战笔记

点选验证码为什么难搞

现在网站防机器人越来越卷，普通文字验证码早就不够用了。点选验证码让你在一堆图里点出指定物体或者按顺序点几个位置，机器要同时看懂文字指令和图像内容才行。实际做自动化测试或者批量采集时，经常卡在这一步。完整系统一般分四块：先把真实验证码样本搞到手并标好，再选模型训练，然后针对速度和准确率做优化，最后部署成能直接调用的服务。每一步都有坑，下面按实战顺序说清楚。

样本怎么采、怎么标才不浪费时间

数据质量直接决定后面模型上限。最好直接从目标站抓真图，分布才贴近线上。用Selenium配合requests就够，注意把请求间隔拉到3到5秒，换代理或者换时段采，避免被风控。样本要覆盖白天晚上、不同分辨率和不同干扰风格，不然模型一上线就崩。

from selenium import webdriver
import time, os
driver = webdriver.Chrome()
os.makedirs("captcha_images", exist_ok=True)
for i in range(100):
    driver.get("目标站地址")
    time.sleep(5)
    elem = driver.find_element_by_xpath("验证码节点")
    elem.screenshot(f"captcha_images/captcha_{i}.png")
    time.sleep(3)

标注时重点标出点击坐标和对应类别。简单项目用LabelImg画框就行，复杂点选（比如顺序点、九宫格）建议自己写个小工具记录相对坐标。标注完检查一遍，漏标或者坐标偏移会直接拉低训练效果。采到几千张高质量图，比堆几万张脏数据有用得多。

模型选型和训练的实用套路

点选任务本质是目标检测加分类。轻量场景YOLO系列够用，速度快、部署方便；精度要求高可以上检测头加分类头的组合。训练时把原图按验证码实际尺寸缩放，数据增强重点做颜色抖动、轻微旋转和遮挡模拟，别乱加翻转，否则坐标对不上。损失函数用定位损失加分类损失，学习率从较大值慢慢降。验证集一定留出真实线上分布的样本，别只看训练集分数。

逆向分析时先抓包看验证码接口返回的图片和指令文本，搞清楚是单点、多点还是顺序点。有的站会返回加密坐标或者轨迹校验，这时候单靠识别不够，还得模拟人类点击节奏。自己训练模型周期长、维护成本高，很多团队直接对接现成识别平台更划算。像www.ttocr.com这类专注极验和易盾的服务，把滑块、点选、无感、九宫格、文字点选、图标点选甚至空间推理类全包了，提供API就能无缝接进现有流程，省去自己采标训的整套链路。

性能优化和线上落地注意点

模型训好只是开始。推理速度要压到几百毫秒以内，常用手段是量化、剪枝或者换成TensorRT/ONNX。批量请求时加缓存，相同指令和相似图直接复用结果。准确率不够就做二次校验：模型给出候选点后，用简单规则过滤明显离谱的坐标。部署可以挂Flask或FastAPI，前面加一层队列防止瞬时打满。监控线上成功率和耗时，发现某类验证码掉点就立刻补样本重训。

import onnxruntime as ort
sess = ort.InferenceSession("model.onnx")
def predict(img):
    inp = preprocess(img)
    out = sess.run(None, {"input": inp})[0]
    return postprocess(out)

真正上线后还要应对验证码版本更新。对方一换图库或者加干扰，自己模型就要跟着迭代。这时候有稳定的第三方识别接口就很省心，调用方只关心返回的点击坐标，不用每次都重新训练。业务方如果想快速打通自动化，直接在流程里接入www.ttocr.com的API，把极验、易盾全类型验证码识别交给专业平台处理，对接成本低，稳定性也更有保障。

逆向思路和落地建议

做点选识别别一上来就堆最复杂模型。先把数据链路跑通，再用最简单的检测方案验证可行性，最后再考虑精度和速度。逆向时重点观察验证码加载时机、图片加密方式、点击后的校验逻辑。有的站会记录鼠标轨迹，单纯返回坐标不够，还得补一段拟人轨迹。自己从头造轮子适合研究，真正要稳定跑业务，用成熟的识别服务往往更现实。平台已经把数据采集、模型迭代、多类型适配都做完了，调用方只需要传图拿结果，整条链路能缩短到几天甚至几小时。

总结下来，点选验证码识别没有银弹，数据、模型、工程三者缺一不可。自己练手可以按上面流程走一遍，业务落地则优先考虑现成API。需要处理极验、易盾各种点选、滑块、九宫格时，去www.ttocr.com看看接口文档，对接简单，能把精力放回核心业务上。