以Flask为基础的虾皮Shopee“曲线滑块验证码”识别系统部署

以Flask为基础的虾皮Shopee"曲线滑块验证码"识别系统部署

一、验证码类型
二、简介
三、Flask应用

一、验证码类型

验证码类型：此类验证码存在两个难点，一是有右侧有两个凹槽，二是滑块的运动轨迹不是直线的，而是沿着曲线走的，我们对其进行解决并采用Flask进行部署。

二、简介

Flask是一个非常小的PythonWeb框架，被称为微型框架，因此使用起来也相对比较轻便，我们可以使用Flask很快开发出一个后端接口，以供前端使用。

这里我们以验证码识别为例：

使用端（需要进行验证码识别的地方）对Flask后端发送base64格式的文件
Flask后端接收到这一请求，将拿到的base64文件进行转化得到图像文件并进行识别等操作，得到坐标等验证码信息
Flask后端将处理好的验证码信息返回给前端。

整个流程还是很简单的，但是笔者发现网络上公开的Flask教程写的不够简单，因此写一篇记录一下。

三、Flask应用

没有装的直接pip install flask 即可。

以下是代码样例：

python 复制代码

import io
from flask import Flask, request, jsonify
from ultralytics import YOLOv10
import base64
import numpy as np
from PIL import Image

app = Flask(__name__)

# 加载模型
groove_model = YOLOv10("runs/detect/xiapiVerification2/weights/best.pt")
slide_model = YOLOv10("XXXXX")

# 用于存储rightmost接口的目标信息
groove_object = None

def base64_to_image(base64_str):
    # Decode the base64 string to get image data
    image_data = base64.b64decode(base64_str)
    # Convert the image data to a PIL image
    image = Image.open(io.BytesIO(image_data))
    return image

@app.route('/predictSlide', methods=['POST'])
def predictSlide():
    global groove_object  # 获取保存的目标

    data = request.json
    image_base64 = data['img_base64']
    image = base64_to_image(image_base64)

    results = slide_model.predict(image)
  	return XXXX


# 添加新接口：返回最右和中间的目标并保存
@app.route('/rightmost', methods=['POST'])
def rightmost():
    global rightmost_target, mid_target  # 用于存储目标信息

    data = request.json
    image_base64 = data['img_base64']
    image = base64_to_image(image_base64)

    # 使用模型进行预测
    results = model.predict(image)

    return jsonify({"rightmost_target": rightmost_target, "mid_target": mid_target})


if __name__ == '__main__':
    app.run(debug=False)

其中，核心部分为

python 复制代码

@app.route('/rightmost', methods=['POST'])
def rightmost():
    global rightmost_target, mid_target  # 用于存储目标信息
    data = request.json
    image_base64 = data['img_base64']
    image = base64_to_image(image_base64)

if __name__ == '__main__':
    app.run(debug=False)

通过"base64_to_image"操作后，即可得到image图像文件，对该文件进行处理即可

运行成功后，Pycharm会显示如下几行英文，"http://127.0.0.1:5000"为本地的访问地址。如果想远程访问接口，将其部署至服务器即可。