一、选题背景 近年来，手写识别技术的应用越来越广泛，已经成为了当前深度学习研究的热门领域。

手写字符识别可用于识别票据数字、车牌号等，应用广泛。

字符识别可用传统的机器学习方法实现，如k-近邻算法、支持向量机、贝叶斯方法等。

使用传统识别方法处理图像时，首先要对图像进行预处理，然后由人工设计特征提取方法。

现有的特征提取方法有类哈尔特征、方向梯度直方图特征、尺度不变特征变换、加速稳健特征等，这些特征提取方法各有优势，如类哈尔特征常用于人脸识别，方向梯度直方图特征常用于行人检测。

特征提取后，将所得的特征导入一个分类器进行训练，得到分类器的相关参数。

使用时，将待识别图像特征提取后，再输入经训练得到的分类器中进行识别。

人工神经网络的研究在一定程度上受到了生物学的启发，生物的学习系统是由相互连接的神经元所组成的复杂网络，人工神经网络与此大体相似。

神经网络具有广泛的应用范围，对于数据具有很好的鲁棒性，已成功应用于很多领域，如视觉识别、故障诊断、语音识别、机器人控制等。

卷积神经网络是人工神经网络的一种，其权值共享网络结构减少了权值的数量，降低了网络模型的复杂度，在图像识别应用中，可以将图像直接作为网络的输入。