一种面向网银自动化的密码框字符长度识别方法及系统与流程

本发明属于数据处理，特别是涉及一种面向网银自动化的密码框字符长度识别方法及系统。

背景技术：

1、随着金融科技的迅猛发展，企业对公网银业务的自动化和智能化需求日益增长。在构建诸如自动登录、自动支付、自动对账等网银自动化流程（robotic processautomation, rpa）中，程序化地模拟人工输入密码是一个不可或缺的关键技术环节。然而，出于严格的账户安全设计考量，绝大多数网银系统的密码输入界面采取字符遮蔽措施，即用户输入的每个字符在短暂显示后即刻被替换为统一的遮蔽符号（例如“”或“•”）；另外，网银系统也不会向外界暴露任何用于查询当前已输入字符数量的应用程序接口（api）或可解析的界面状态参数。这导致自动化程序在通过模拟键盘完成密码字符串的输入后，无法以程序化的方式准确判断密码是否已被输入框完整接收，进而无法决策是否应触发“确认”或“登录”等后续操作。在保证网银系统的安全下，实时且精确地识别被遮蔽密码框中已输入字符数量，对于确保网银自动化流程的运行稳定性与业务成功率，具有至关重要的现实意义和产业价值。

2、目前，在网银自动化流程中，识别遮蔽密码长度或类似字符计数的方法通常有：

3、一是基于图像模板匹配或光学字符识别（ocr）的方法，通过图像匹配或ocr技术，从密码框的图像中识别出星号或圆点的数量，然而，在不同操作系统、不同显示分辨率、不同字体渲染引擎下，密码遮蔽字符的形态、大小和像素级外观差异极大，导致模板库的设计和维护极为臃肿，且匹配精度低下。并且，这类方法极易受到图形用户界面（gui）中动态元素的干扰，尤其是普遍存在的周期性闪烁的输入光标，由于其亮度或颜色特征突出，往往被现有算法误识别为一个密码字符，直接导致计数错误。

4、二是基于深度学习模型的目标检测方法，利用卷积神经网络（cnn）等深度学习模型，训练一个端到端的检测器来识别图像中的遮蔽字符并计数，然而，在实际生产环境中，深度学习模型的推理（inference）过程需要高性能的图形处理器（gpu）和大量显存支持，大规模部署此类高配置硬件，会带来无法接受的、高昂的硬件成本和运维成本；且在银行、证券等金融安全等级较高的场景下，客户端pc的生产环境受到严格的安全策略管控，为避免引入潜在的安全漏洞或系统不稳定，通常明令禁止安装体积庞大、依赖关系复杂的深度学习框架。

技术实现思路

1、本发明提供一种面向网银自动化的密码框字符长度识别方法及系统，解决现有技术抗干扰能力弱、成本高的问题。

2、本发明提供的一种基础方案：一种面向网银自动化的密码框字符长度识别方法，包括以下步骤：

3、s1：获取目标密码输入框的屏幕图像区域，对图像区域进行预处理以生成单通道的灰度图像；对灰度图像进行投影变换，得到一维投影信号，并在预设时间窗口内重复采集若干次一维投影信号，对采集到的一维投影信号在每一个坐标位置上应用统计滤波操作，生成稳定投影信号；

4、s2：基于稳定投影信号采用峰值检测算法提取满足预设峰值条件的局部极大值点，作为初始候选特征点，构成初始候选特征点集；

5、s3：对初始候选特征点集中所有特征点的信号幅度进行统计分析识别异常特征点，并确定异常特征点在稳定投影信号上的动态作用区间；对稳定投影信号在动态作用区间内的信号值进行局部抑制处理，生成纯净投影信号，并从初始候选特征点集中移除异常特征点，得到纯净候选特征点集；

6、s4：通过预设的位置关联规则和幅度关联规则对纯净候选特征点集进行双重筛选，得到最终特征点集；

7、s5：计算最终特征点集中特征点的数量，将数量作为识别出的密码字符长度并输出。

8、优选地，步骤s1中，进行投影变换时，对灰度图像执行垂直方向的投影变换，得到一维水平投影信号；进行统计滤波时，对采集信号的每一个水平坐标位置上进行统计滤波操作。

9、优选地，步骤s1中，统计滤波采用中值滤波。

10、优选地，步骤s3中，识别异常特征点时，采用基于中位数绝对偏差的稳健离群点检测算法，具体为：

11、计算初始候选特征点集中所有特征点的幅度的中位数和mad值；

12、基于中位数和mad值计算每个特征点的修正z-score值；

13、将修正z-score值超过预设离群点阈值的特征点判定为所述异常特征点。

14、进一步优选地，步骤s3中，所述动态作用区间的确定方法为：

15、以异常特征点的峰值位置为起点，分别向稳定投影信号的左右两侧进行迭代搜索，将信号幅度从峰值下降并首次回归至预设基线水平的位置，确定为动态作用区间的边界。

16、优选地，步骤s4中，位置关联规则具体为：

17、计算纯净候选特征点集中所有相邻特征点之间的水平间隔，统计水平间隔的众数作为基准步长；

18、以基准步长作为模板，在纯净候选特征点集中筛选出符合等间距排列规律的特征点。

19、进一步优选地，步骤s4中，所述幅度关联规则具体为：

20、计算经过位置关联规则筛选后的特征点集的信号幅度的均值和标准差；

21、基于均值和标准差设定正常幅度范围，剔除信号幅度超出正常幅度范围的特征点。

22、进一步优选地，所述正常幅度范围的设定策略为：以均值为中心，以预设倍数的标准差为半径，确定幅度置信区间作为所述正常幅度范围。

23、本发明提供的另一种基础方案：一种面向网银自动化的密码框字符长度识别系统，包括：

24、图像采集与预处理模块，用于获取目标密码输入框的屏幕图像区域，对图像区域进行预处理以生成单通道的灰度图像；

25、信号生成模块，用于对灰度图像执行投影变换得到一维投影信号，并在预设时间窗口内重复采集若干次一维投影信号，对采集到的若干次信号应用统计滤波操作，生成稳定投影信号；

26、候选特征提取模块，用于对稳定投影信号执行峰值检测算法，提取所有满足预设峰值条件的局部极大值点作为初始候选特征点，构成初始候选特征点集；

27、候选特征点优化模块，用于对初始候选特征点集中所有特征点的信号幅度进行统计分析识别异常特征点，确定异常特征点在稳定投影信号上的动态作用区间，并对稳定投影信号在动态作用区间内的信号值进行局部抑制处理，以生成纯净投影信号，以及从初始候选特征点集中移除异常特征点，得到纯净候选特征点集；

28、特征点精炼模块，用于通过位置关联规则和幅度关联规则对纯净候选特征点集进行双重筛选，得到最终特征点集；

29、计数与输出模块，用于计算最终特征点集中特征点的数量，并将数量作为识别出的密码字符长度输出。

30、优选地，所述位置关联规则具体为：

31、计算纯净候选特征点集中所有相邻特征点之间的水平间隔，统计水平间隔的众数作为基准步长；

32、以基准步长作为模板，在纯净候选特征点集中筛选出符合等间距排列规律的特征点；所述幅度关联规则具体为：

33、计算经过位置关联规则筛选后的特征点集的信号幅度的均值和标准差；

34、基于均值和标准差设定正常幅度范围，剔除信号幅度超出正常幅度范围的特征点。

35、本发明的原理及优点在于：

36、1.通过投影变换，将二维图像中密码字符的检测问题转化为一维投影信号中波峰的检测与计数问题，实现了对问题本质的简化和计算维度的降维，整个方法流程仅涉及数组求和、排序、中值计算、峰值检测等基础数学运算，无需进行卷积、矩阵乘法等计算密集型操作，计算复杂度从二维图像处理的o(m×n)降低至一维信号处理的o(n)，显著提升了处理速度，能够在普通办公计算机（仅依赖cpu）上实时运行。

37、2.采用基于中位数绝对偏差的稳健离群点检测算法识别异常特征点，通过分析信号自身的统计分布特性来定位并剔除由输入光标产生的异常波峰，不依赖于光标的先验形态特征（如宽度、形状、颜色），无需预设任何光标模板或训练样本，能够自适应地处理不同银行网银系统中形态各异（竖线型、方块型、高亮型）的输入光标，具有良好的泛化能力。

38、3.通过位置关联规则和幅度关联规则对候选特征点进行双重筛选，其中，位置关联规则利用密码字符等间距排列的结构先验，剔除位置不规律的噪声点；幅度关联规则利用同一密码框中字符视觉形态一致的特性，剔除幅度异常的伪峰。双重规则的组合应用极大提升了识别准确率，能够有效抵御因图像压缩、抗锯齿、界面噪点等因素引入的各类残余干扰。

39、优选地，通过从峰值位置向两侧迭代搜索信号回归至基线水平的位置来确定动态作用区间，能够根据干扰信号的实际宽度自适应地确定抑制范围。当光标较宽时，动态作用区间相应扩大；当光标较窄时，区间相应缩小，实现了对干扰信号的精准无损切除。