近年来随着图像处理技术的突飞猛进,特别是深度学习和卷积神经网络的出现,越来越多传统方法被基于深度学习的方法所替代,可是仍有许多应用性问题没有很好的解决方法。在OCR的研究领域里,基于深度学习的方法常被用来解决自然场景中的复杂问题,却少有人关注在真实文本场景中,中文字符的检测和识别的性能差强人意。针对有干扰背景下的中文检测与识别算法的系统实现。本论文主要内容包括以下几个方面:1.提出了中文干扰背景数据集的合成方法:预处理真实背景纹理素材,采用旋转、倾斜变形、Image Matting等图像处理方法,合成中文仿真数据集,增加了识别算法的泛化效果。2.提出了基于CTPN+CRNN的复杂背景下的中文检测与识别方法:CTPN适合检测水平文字的特性,将合成的数据集与真实场景的数据集结合,继续扩充检测训练集的丰富性,再对检测模型进行训练。使用合成的中文数据集对CRNN模型进行训练,解决了部分中文无法识别的问题,降低部分字符因背景干扰引起的识别错误率。3.研发了基于嵌入式的中文检测和识别系统:将本文的方法在嵌入式端上实现,进行测试和分析,设计并实现整个应用系统。本文研究传统OCR技术和深度学习应用场景中没有解决的问题;分析现行方法的不足,提出相应的优化方案;并将优化后的算法布置到嵌入式系统上,解决应用问题。