python/main.py · javaalpha/ticket

代码拉取完成,页面将自动刷新

扫描微信二维码支付

取消

支付完成

richgiteeai

Watch

不关注关注所有动态仅关注版本发行动态关注但不提醒动态

1 Star 0 Fork 152

javaalpha/ticket

forked from 千寻啊千寻/ticket

代码 Issues 0 Pull Requests 0 Wiki 统计流水线

服务

加入 Gitee

与超过 1400万开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)

免费加入

已有帐号? 立即登录

文件

master

分支 (2)

标签 (3)

管理

master

develop

20190904

20190802

20190719

克隆/下载

HTTPS SSH SVN SVN+SSH 下载ZIP

提示

下载代码请复制以下命令到终端执行

为确保你提交的代码身份被 Gitee 正确识别,请执行以下命令完成配置

git config --global user.name userName 
git config --global user.email userEmail

初次使用 SSH 协议进行代码克隆、推送等操作时,需按下述提示完成 SSH 配置

1 生成 RSA 密钥

2 获取 RSA 公钥内容,并配置到 SSH公钥中

在 Gitee 上使用 SVN,请访问使用指南

使用 HTTPS 协议时,命令行会出现如下账号密码验证步骤。基于安全考虑,Gitee 建议配置并使用私人令牌替代登录密码进行克隆、推送等操作

Username for 'https://gitee.com': userName

Password for 'https://userName@gitee.com': # 私人令牌

分支 2

标签 3

ticket

python

main.py

main.py 1.46 KB

# coding: utf-8
import sys

import cv2
import numpy as np
from keras import models

import pretreatment
from mlearn_for_image import preprocess_input

def get_text(img, offset=0):
 text = pretreatment.get_text(img, offset)
 text = cv2.cvtColor(text, cv2.COLOR_BGR2GRAY)
 text = text / 255.0
 h, w = text.shape
 text.shape = (1, h, w, 1)
 return text

def main(fn):
 # 读取并预处理验证码
 img = cv2.imread(fn)
 text = get_text(img)
 imgs = np.array(list(pretreatment._get_imgs(img)))
 imgs = preprocess_input(imgs)

# 识别文字
 model = models.load_model('model.v2.0.h5')
 label = model.predict(text)
 label = label.argmax()
 fp = open('texts.txt', encoding='utf-8')
 texts = [text.rstrip('\n') for text in fp]
 text = texts[label]
 print(text)
 # 获取下一个词
 # 根据第一个词的长度来定位第二个词的位置
 if len(text) == 1:
 offset = 27
 elif len(text) == 2:
 offset = 47
 else:
 offset = 60
 text = get_text(img, offset=offset)
 if text.mean() < 0.95:
 label = model.predict(text)
 label = label.argmax()
 text = texts[label]
 print(text)

# 加载图片分类器
 model = models.load_model('12306.image.model.h5')
 labels = model.predict(imgs)
 labels = labels.argmax(axis=1)
 for pos, label in enumerate(labels):
 print(pos // 4, pos % 4, texts[label])

if __name__ == '__main__':
 main(sys.argv[1])

一键复制编辑原始数据按行查看历史

千寻啊千寻提交于 2019年07月16日 16:17 +08:00 . 初次提交抢票

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60

# coding: utf-8
import sys

import cv2
import numpy as np
from keras import models

import pretreatment
from mlearn_for_image import preprocess_input


def get_text(img, offset=0):
 text = pretreatment.get_text(img, offset)
 text = cv2.cvtColor(text, cv2.COLOR_BGR2GRAY)
 text = text / 255.0
 h, w = text.shape
 text.shape = (1, h, w, 1)
 return text


def main(fn):
 # 读取并预处理验证码
 img = cv2.imread(fn)
 text = get_text(img)
 imgs = np.array(list(pretreatment._get_imgs(img)))
 imgs = preprocess_input(imgs)

 # 识别文字
 model = models.load_model('model.v2.0.h5')
 label = model.predict(text)
 label = label.argmax()
 fp = open('texts.txt', encoding='utf-8')
 texts = [text.rstrip('\n') for text in fp]
 text = texts[label]
 print(text)
 # 获取下一个词
 # 根据第一个词的长度来定位第二个词的位置
 if len(text) == 1:
 offset = 27
 elif len(text) == 2:
 offset = 47
 else:
 offset = 60
 text = get_text(img, offset=offset)
 if text.mean() < 0.95:
 label = model.predict(text)
 label = label.argmax()
 text = texts[label]
 print(text)

 # 加载图片分类器
 model = models.load_model('12306.image.model.h5')
 labels = model.predict(imgs)
 labels = labels.argmax(axis=1)
 for pos, label in enumerate(labels):
 print(pos // 4, pos % 4, texts[label])


if __name__ == '__main__':
 main(sys.argv[1])