近年来，国家大力发展科技，许多科研院校和社会科研单位都大力投入这方面的研究，也具有了颇为显著的成果：

在国内外的各种对于识别算法研究中，以2008年徐琳琳完成的基于视觉的立式点钞机人民币号码自动识别装置的软硬件的设计[[1] 徐琳琳。 基于视觉的立式点钞机人民币号码自动识别装置[D]。 沈阳工业大学，2008: 35-36。][1]最为突出，她所设计的嵌入式系统的整个运行过程非常稳定，所编写的代码也是十分精简的，并且该系统还能够脱机运行。主要的成就是解决了与立体式点钞机工作速度的匹配的问题,即是该系统可以达到1200sheet/minute的工作速度，并且该系统还可以解决数字图像占用大存储空间对存储空间的减小等问题。2009年，张璐璐所研究的基于遗传进化神经网络的人民币号码识别方法[[2] 张璐璐。 基于遗传进化神经网络的人民币号码识别方法研究[D]。 吉林大学，2009: 74-80。][2]，针对金融领域的清分机，针对于人工神经网络和遗传算法原理的研究，她所针对BP算法一直存在的问题都做了相应的改进,比如说BP网络收敛速度慢的问题，还有BP网络容易陷入局部极小值的技术缺陷等等问题，她所提出的基于遗传进化BP网络的混合训练算法模型，有效地解决了上述问题,并且提高了纸币号码识别的准确度和纸币号码的识别速度，在识别算法的研究上又增添了新的方法和手段。在同一年，Lou YF,Hao YM针对实际工程应用对大角度倾斜的人民币号码自动识别在处理速度和识别率方面的高标准要求，利用智能相机建立了纸币号码自动识别实验系统。2011年刘炜对于人民币冠字号码识别图像鉴伪技术研究[[3] 刘炜。 人民币冠字号码识别与图像鉴伪技术研究及应用[J]。 南京理工大学, 2011, 26(6): 4-35。][3]，在基于点钞机的人民币冠字号码的识别与对于含有白水印面额数字特征的提取方面，他们实现了一个嵌入式系统,利用COMS图像传感器MT9T001和TMS320DM642的工作原理，他所设计的这个系统在运行时十分的稳定，并且也能够脱机运行，处理人民币的速率达到了每分钟能1000张以上的高效率，并且在此基础上并没有降低人民币识别的准确率,人民币冠字号码识别率和利用白水印面额数字特征鉴别假币的正确率都达到了90%以上。2013年，刘洋等人对人民币纸币号码识别算法的研究[[4] 刘洋。 人民币纸币号码识别算法的研究[D]。 辽宁工程技术大学, 2013:4-6。][4]，利用OCR技术来实现人民币号码的快速识别，可以完成纸币跟踪。他所设计的系统是利用ARM嵌入式系统对识别程序进行实验结果正确率的验证，他还对实验过程中遇到的问题,比如说纸币字符字体之间的差异和字符出现的干扰问题等都提出了相应的解决办法[[5] 冈萨雷斯, 伍兹。 数字图像处理（第三版）[M]。 北京电子工业出版社。 2011:142-236。][5]。84306

 当然，目前国内在对于识别系统的研究上仍然存在许多问题,很多系统对于识别的速度、精度和稳定性等方面都存在一定问题。而且这些系统在图像模糊、污损情况下识别率都会有明显的下降[[6] 张德丰, 杨文茵。 MATLAB仿真技术与应用[M]。清华大学出版社, 2012: 224-232。][6]；纸币号码的识别技术并不困难，但是对于污染的磨损的纸币，想要准确识别就要对图像进行修正处理、并且采用多种滤波才能很好地去除噪声的干扰、而且BP神经网络算法识别的技术的本身就有一定的难度，这些问题都会增加算法的复杂程度，一旦算法实现的时间变的很长，就难以满足对于时间的实时性的要求。