随着自动化科学技术的迅猛发展，使用机器取代人类劳动成为大势所趋。近年来，字符识别技术(OCR技术)日益成熟，人民币冠字码识别是OCR技术的一个重要的应用场合。今年我国已经将人民币冠字码识别作为下一代ATM机国标中重要的一项指标，银行机构必须在2013年末，促成ATM交付的人民币冠字码可查询。在此背景下，人民币冠字码识别技术成为ATM的一项迫切技术。本文的目的是根据人民币冠字码的自身特点，研究出适合于人民币冠字码识别的系统，很好地完成了项目的要求。　　由于本文采集到的图像是一张完整的人民币图像，而不仅仅是冠字码部分的图像。为了获得冠字区域图像，本文先是通过倾斜角度检测获得图像的倾斜角度，再通过初步定位和基于穿越度的精确定位的方法，实现冠字区域的定位和校正同步完成。针对部分冠字码图像字迹模糊、笔画粗细不一的情况，本文利用字符图像的宽限信息进行二值化，不仅获得了良好的二值化后的字符，而且有效地保留字符的结构特征。为了有效地提取冠字码单个字符，本文提出了一种自适应滑动窗口法，该方法不仅效率高，而且鲁棒性好，有效地解决破裂字符和粘连字符的切分问题。由于人民币字符由阿拉伯数字和英文字母组成，字符集少且结构较为简单，在字符特征提取方面，通过分别提取字符的网格特征、外围特征和边界点特征，再进行对比实验，最终选择了字符的网格特征，该特征具有简单有效、通用性强的特点。字符的识别方面，采用BP神经网络分类器进行识别，该分类器器不仅识别准确率高，而且识别速度快，实验获得了良好的效果。　　实验表明，本系统各项指标均满足了项目的要求。其中采用网格特征作为字符特征，不仅识别速度很快，并且钞票的识别率可以达到99.9％。