随着科技的不断进步,物体识别逐渐变得炙手可热。物体识别作为计算机视觉领域中最为前言的研究课题之一,被广泛应用于安防监控、工业生产、交通监管以及国防军工等领域。自2006深度学习方法问世以来,卷积神经网络(CNN)作为深度学习的重要方法之一,在物体识别方面取得了重大成果。因此对CNN在物体识别方面的研究具有重大意义。本文主要研究了基于物体识别算法和实时监控系统相结合的物体识别问题。由于银行柜台监控为了避免柜员违规和误操作,而在物体识别精度上有着很高的要求,本文将以银行柜台的人民币识别为背景展开研究。文章的人民币识别主要基于开源的计算机视觉代码库Open CV与基于深度学习框架Tensor Flow下的卷积神经网络相结合的方法。首先,在实验室环境下,将由手机拍摄的人民币视频帧进行提取并进行预处理作为数据集,并获得训练集与验证集的完整路径、名称以及类别,保存为文本形式。然后,搭建深度CNN并用预先准备的训练集进行训练,并根据训练结果修正CNN参数。最后,将训练好的CNN与视频相结合来对视频中的人民币进行识别,并给出识别的概率。