随着信息技术的不断发展,“互联网+”时代到来。在教育领域中,一场基于互联网的技术变革正悄然发生,即大规模开放在线课程(MOOC)模式的出现。近几年来,越来越多的高等学府纷纷加入MOOC,不断开放MOOC课程,越来越多的学生通过MOOC课程学习,MOOC课程以视频为主,但是在进行学习过程中,往往需要重复学习视频中的内容,在查找视频中的内容时,往往只能手动慢慢去查找视频中需要的内容,极为不方便也很费时间。为此,一个能够从视频中通过内容检索找到相对应位置的方法对于解决上述问题显得很有必要。本文主要研究上述解决方法中的一个方面,课程视频中的文字识别,利用卷积神经网络(Convolutional Neural Network,CNN)对视频中的文字进行识别。具体研究主要包括:(1)对于课程教学视频中的文字定位,由于课程视频的特点,文字变化速度慢,对视频按帧检测文字会造成大量重复的检测,往往可能只需在成百上千幅包含文字的帧中检测一帧就可以检测出这些帧中的内容。怎么去找到这样的帧是面临的难点。鉴于此,本文考虑镜头检测的机制,通过设计一基于镜头边界检测的算法,从一序列连续帧中找到所需要检验的帧,称为关键帧,然后通过对关键帧利用边缘检测,形态学,投影法等图像处理方法定位出文字。(2)对于卷积神经网络训练数据集,手工构建一个中文数据集,其中包括用程序生成的多种不同字体的印刷体数据和来自CASIA-HWDB数据库的手写体数据,针对印刷体数据变化不够的情形,对它进行了随机增加噪声点,扭曲,模糊和打水印等数据集增强处理。(3)对于卷积神经网络的模型训练,分别从网络的结构设计,激活函数,损失函数,学习速率,参数初始化几个方面进行了研究,最终训练出一个鲁棒性强的卷积网络模型,用于对中文汉字(包括手写体和印刷体)进行识别。