序列号识别是金融安全领域的一个重要步骤。针对纸币序列号的字符特点，提出了一种基于径向基函数神经网络模型（RBF）的光学字符识别方法。使用工业相机，采集得到纸币图像，并进行必要的预处理，得到序列号区域的二值图像。再根据连通区域信息对单个字符进行分割并归一化，然后提取字符的二维空间分布信息作为特征向量，并结合径向基函数神经网络进行字符识别。实验证明，该神经网络仅两层隐藏层，结构简单，在小样本集下可达到95%的识别率，并且训练时间在100 ms量级，能够很好地满足纸币序列号识别功能的要求。