# CaptchaBreaker

本地验证码识别系统，采用 **调度模型 + 多专家模型** 两级架构。调度模型分类验证码类型，专家模型负责具体识别。所有模型轻量化设计，导出 ONNX 部署。

## 架构

```
输入图片 → 预处理 → 调度分类器 → 路由到专家模型 → 后处理 → 输出结果
                         │
            ┌────────┬───┼───────┬──────────┐
            ▼        ▼   ▼       ▼          ▼
         normal    math  3d_text  3d_rotate  3d_slider
         (CRNN)   (CRNN) (CNN)   (RegCNN)   (RegCNN)
            │        │     │       │          │
            ▼        ▼     ▼       ▼          ▼
         "A3B8" "3+8=?"→11 "X9K2"  "135°"    "87px"
```

### 支持的验证码类型

| 类型 | 模型 | 说明 |
|------|------|------|
| normal | LiteCRNN + CTC | 普通字符验证码 (数字+字母) |
| math | LiteCRNN + CTC | 算式验证码 (如 `3+8=?` → `11`) |
| 3d_text | ThreeDCNN + CTC | 3D 立体文字验证码 |
| 3d_rotate | RegressionCNN | 3D 旋转角度回归 (0-359°) |
| 3d_slider | RegressionCNN | 3D 滑块偏移回归 (10-200px) |

### 交互式 Solver

| 类型 | 模型 | 说明 |
|------|------|------|
| slide | GapDetectorCNN | 滑块缺口检测 (OpenCV 优先 + CNN 兜底) |
| rotate | RotationRegressor | 旋转角度回归 (sin/cos 编码) |

## 安装

```bash
# 核心依赖
uv sync

# 含 HTTP 服务
uv sync --extra server

# 含 OpenCV (滑块求解)
uv sync --extra cv

# 含测试
uv sync --extra dev
```

## 快速开始

### 1. 生成训练数据

```bash
python cli.py generate --type normal --num 60000
python cli.py generate --type math --num 60000
python cli.py generate --type 3d_text --num 80000
python cli.py generate --type 3d_rotate --num 60000
python cli.py generate --type 3d_slider --num 60000
python cli.py generate --type classifier --num 50000
```

### 2. 训练模型

```bash
# 逐个训练
python -m training.train_normal
python -m training.train_math
python -m training.train_3d_text
python -m training.train_3d_rotate
python -m training.train_3d_slider
python -m training.train_classifier

# 或通过 CLI 一键训练
python cli.py train --all
```

训练支持断点续训：检测到已有 checkpoint 会自动从上次中断处继续。

### 3. 导出 ONNX

```bash
python cli.py export --all
# 或单个导出
python cli.py export --model normal
```

### 4. 推理

```bash
# 单张识别 (自动分类 + 识别)
python cli.py predict image.png

# 指定类型跳过分类
python cli.py predict image.png --type normal

# 批量识别
python cli.py predict-dir ./test_images/
```

### 5. 交互式 Solver

```bash
# 生成 Solver 训练数据
python cli.py generate-solver slide --num 30000
python cli.py generate-solver rotate --num 50000

# 训练
python cli.py train-solver slide
python cli.py train-solver rotate

# 求解
python cli.py solve slide --bg bg.png --tpl tpl.png
python cli.py solve rotate --image img.png
```

## HTTP API

```bash
uv sync --extra server
python cli.py serve --port 8080
```

### POST /solve — base64 图片识别

```bash
curl -X POST http://localhost:8080/solve \
  -H "Content-Type: application/json" \
  -d '{"image": "'$(base64 -w0 captcha.png)'", "type": "normal"}'
```

请求体：

```json
{
  "image": "<base64 编码的图片>",
  "type": "normal"
}
```

`type` 可选，省略则自动分类。可选值：`normal` / `math` / `3d_text` / `3d_rotate` / `3d_slider`

响应：

```json
{
  "type": "normal",
  "result": "A3B8",
  "raw": "A3B8",
  "time_ms": 12.3
}
```

### POST /solve/upload — 文件上传识别

```bash
curl -X POST "http://localhost:8080/solve/upload?type=normal" \
  -F "image=@captcha.png"
```

### GET /health — 健康检查

```json
{"status": "ok", "models_loaded": true}
```

## 项目结构

```
├── config.py                 # 全局配置 (字符集、尺寸、训练超参)
├── cli.py                    # 命令行入口
├── server.py                 # FastAPI HTTP 服务 (纯推理，不依赖 torch)
├── generators/               # 验证码数据生成器
│   ├── normal_gen.py         # 普通字符
│   ├── math_gen.py           # 算式
│   ├── threed_gen.py         # 3D 文字
│   ├── threed_rotate_gen.py  # 3D 旋转
│   ├── threed_slider_gen.py  # 3D 滑块
│   ├── slide_gen.py          # 滑块缺口训练数据
│   └── rotate_solver_gen.py  # 旋转求解器训练数据
├── models/                   # 模型定义
│   ├── classifier.py         # 调度分类器
│   ├── lite_crnn.py          # 轻量 CRNN (normal/math)
│   ├── threed_cnn.py         # 3D 文字 CNN
│   ├── regression_cnn.py     # 回归 CNN (3d_rotate/3d_slider)
│   ├── gap_detector.py       # 滑块缺口检测
│   └── rotation_regressor.py # 旋转角度回归
├── training/                 # 训练脚本
│   ├── train_utils.py        # CTC 训练通用逻辑
│   ├── train_regression_utils.py  # 回归训练通用逻辑
│   ├── dataset.py            # 通用 Dataset 类
│   └── train_*.py            # 各模型训练入口
├── inference/                # 推理 (仅依赖 onnxruntime)
│   ├── pipeline.py           # 核心推理流水线
│   ├── export_onnx.py        # ONNX 导出
│   └── math_eval.py          # 算式计算
├── solvers/                  # 交互式验证码求解器
│   ├── slide_solver.py       # 滑块求解
│   └── rotate_solver.py      # 旋转求解
├── utils/
│   └── slide_utils.py        # 滑块轨迹生成
└── tests/                    # 测试 (57 tests)
```

## 目标指标

| 模型 | 准确率目标 | 推理延迟 | 模型体积 |
|------|-----------|---------|---------|
| 调度分类器 | > 99% | < 5ms | < 500KB |
| 普通字符 | > 95% | < 30ms | < 2MB |
| 算式识别 | > 93% | < 30ms | < 2MB |
| 3D 立体文字 | > 85% | < 50ms | < 5MB |
| 3D 旋转 (±5°) | > 85% | < 30ms | ~1MB |
| 3D 滑块 (±3px) | > 90% | < 30ms | ~1MB |
| 滑块 CNN (±5px) | > 85% | < 30ms | ~1MB |
| 旋转回归 (±5°) | > 85% | < 30ms | ~2MB |

## 测试

```bash
uv sync --extra dev
python -m pytest tests/ -v
```

## 技术栈

- Python 3.10+
- PyTorch 2.x (训练)
- ONNX + ONNXRuntime (推理部署)
- FastAPI + uvicorn (HTTP 服务)
- Pillow (图像处理)
- OpenCV (可选，滑块求解)
- uv (包管理)