人民币纸币号码是综合了印刷体英文字符和数字的字符串,作为法定货币人民币的标识,具有唯一性。现阶段字符识别技术虽然已经提出了一系列的理论及方法,但是不同的行业对于字符识别有着不同的需求。本文针对金融领域的清分机,研究了人民币纸币号码的识别方法,更进一步地探讨了字符识别方法的设计与实现。本文首先对纸币图像进行滤波、二值化、倾斜矫正、定位、分割、归一化等方法完成图像的预处理工作,得到从字符串中切分出的字母和数字,作为最基本的识别单位。然后研究了人工神经网络和遗传算法原理,针对BP算法存在的收敛速度慢,容易陷入局部极小值等技术缺陷,提出了基于遗传进化BP网络的混合训练算法模型。此算法研究了遗传算法的选择、交叉、变异等机制,得到了最优个体,优化BP神经网络的初始权值和阈值,并采用BP网络进行识别训练。此算法充分结合了遗传算法的全局搜索能力和BP算法较强的局部搜索能力。经试验结果表明,该方法有效解决了BP网络初值不合理,极易陷入局部极小以致网络不收敛的问题,网络收敛速度得到明显提高。本文所研究的基于遗传进化神经网络的人民币号码识别算法,有效地提高了纸币号码识别的准确度及识别速度,为号码识别提供了新的方法和手段。