一直以来深度学习在目标识别、语音内容识别等方面都有广泛的研究应用。时至今日,深度学习这一话题己深入到各行各业的研究中,并逐渐被引用到实际生活生产中去,应用范围日趋广泛。随着生产的需求以及计算机数据处理速度的快速提升,字符识别在实际生产、生活中的应用日趋普遍,但是,传统的模式识别以及特征提取算法不能很好的满足生产所需的实时性以及正确率;同时,由于深度学习的大力发展,基于深度学习下的字符识别技术有着传统识别算法不能比拟的优势,因此也有着越来越多的科学家对于在深度学习基础下的字符识别技术进行深入研究。本论文的开展主要从基于深度学习的字符识别技术入手,针对目前生产中对于打印字符的识别需求,依托于安全门门牌字符识别项目,着力研究在复杂背景下对于字符的识别技术,主要可以分为图像预处理、字符目标定位以及基于深度学习网络框架下的字符内容识别三个方面。在字符目标定位方面,充分利用检测及跟踪得到字符目标信息,结合漫水填充算法和传统图像预处理技术,拟提出一种能够准确定位字符位置,确定字符区域的算法,去除字符以外区域,消除环境背景的影响,提高现有算法的鲁棒性。在字符内容识别方面,主要分为对基本网络框架的复现以及对主体网络LeNet5的推广优化两个方面。先深入了解目前对于字符识别问题的主流识别算法;同时着重探究深度学习应用在字符识别中的思想原理,依托数字识别框架LeNet5及mnist数据库、caffe深度学习平台进行字符图片的训练,进一步在LeNet5网络原有框架上对其做出一定的优化改进,以提高现有技术对字符识别的准确率和实时性。