驗證碼的主要目的是強制人機交互來抵禦機器自動化攻擊的。大部分的驗證碼設計者並不得要領，不了解圖像處理，機器視覺，模式識別，人工智能的基本概念。
利用驗證碼，可以發財，當然要犯罪：比如招商銀行密碼只有6位，驗證碼形同虛設，計算機很快就能破解壹個有錢的賬戶，很多帳戶是可以網上交易的。也有設計的比較好的，比如Yahoo,Google,Microsoft等。而國內Tencent的中文驗證碼雖然難，但算不上好。
處理知識
人工智能，模式識別，機器視覺，圖像處理的基本知識 比如我們要從壹副圖片中，識別出驗證碼；比如我們要從壹副圖片中，檢測並識別出壹張人臉。
1.圖像采集：驗證碼呢，就直接通過HTTP抓HTML，然後分析出圖片的url，然後下載保存就可以了。如果是人臉檢測識別，壹般要通過視屏采集設備，采集回來，通過A/D轉操作，存為數字圖片或者視頻。
2.預處理：檢測是正確的圖像格式，轉換到合適的格式，壓縮，剪切出ROI，去除噪音，灰度化，轉換色彩空間這些。
3.檢測：車牌檢測識別系統要先找到車牌的大概位置，人臉檢測系統要找出圖片中所有的人臉（包括疑似人臉）；驗證碼識別呢，主要是找出文字所在的主要區域。
4.前處理：人臉檢測和識別，會對人臉在識別前作壹些校正，比如面內面外的旋轉，扭曲等。我這裏的驗證碼識別，“壹般”要做文字的切割。
5.訓練：通過各種模式識別，機器學習算法，來挑選和訓練合適數量的訓練集。不是訓練的樣本越多越好。過學習，泛化能力差的問題可能在這裏出現。這壹步不是必須的，有些識別算法是不需要訓練的。
6.識別：輸入待識別的處理後的圖片，轉換成分類器需要的輸入格式，然後通過輸出的類和置信度，來判斷大概可能是哪個字母。識別本質上就是分類。 圖像處理：壹般指針對數字圖像的某種數學處理。比如投影，鈍化，銳化，細化，邊緣檢測，二值化，壓縮，各種數據變換等等。
1.二值化：壹般圖片都是彩色的，按照逼真程度，可能很多級別。為了降低計算復雜度，方便後續的處理，如果在不損失關鍵信息的情況下，能將圖片處理成黑白兩種顏色，那就最好不過了。
2.細化：找出圖像的骨架，圖像線條可能是很寬的，通過細化將寬度將為1，某些地方可能大於1。不同的細化算法，可能有不同的差異，比如是否更靠近線條中間，比如是否保持聯通行等。
3.邊緣檢測：主要是理解邊緣的概念。邊緣實際上是圖像中圖像像素屬性變化劇烈的地方。可能通過壹個固定的門限值來判斷，也可能是自適應的。門限可能是圖像全局的，也可能是局部的。不能說那個就壹定好，不過大部分時候，自適應的局部的門限可能要好點。被分析的，可能是顏色，也可能是灰度圖像的灰度。
機器視覺：利用計算機來模式實現人的視覺。比如物體檢測，定位，識別。按照對圖像理解的層次的差別，分高階和低階的理解。
模式識別：對事物或者現象的某種表示方式（數值，文字，我們這裏主要想說的是數值），通過壹些處理和分析，來描述，歸類，理解，解釋這些事物，現象及其某種抽象。
人工智能：這種概念比較寬，上面這些都屬於人工智能這個大的方向。簡單點不要過分學院派的理解就是，把人類的很“智能”的東西給模擬出來協助生物的人來處理問題，特別是在計算機裏面。
經驗： 目前這方面的技術難點主要在於驗證嗎圖片的分割方面，對於識別的匹配，OCR技術已經很成熟了，完全可用於驗證碼圖片的識別，但是復雜的驗證碼圖片大多粘連，分割處理比較麻煩