本发明实施例涉及计算机技术领域，公开了一种视频文本识别系统、视频文本识别装置与电子设备。视频文本识别系统，包括：文本区域提取模块，用于从接收到的视频帧的特征图像中提取包含文字信息的文本框区域信息；文字检测模块，用于根据所述文本框区域信息，从所述特征图像中提取文字区域信息与文字特征图；文字识别模块，用于根据所述文字区域信息，从所述文字特征图中识别出文字信息。本发明中，文本区域提取模块和文字检测模块均利用原始的特征图像进行特征提取，减小了文本区域提取模块输出的结果对文字检测模块的影响，同时简化了文字信息的提取流程，提高了文字识别效率。