随着信息时代的到来,人们对于信息处理的要求更加严格,不仅要有非常高的准确率,还要有非常快的处理速度。研究手写体数字识别技术,将对于今后的信息发展有着重要的作用,在光学字符识别领域中,手写字符识别是一个非常重要的分支,在现实生活中有着广泛的应用。例如在银行票据识别中,根据手写体进行识别数字；在邮件分拣过程中,根据邮编进行识别实现自动分拣,省事又省力。此外,手写字符识别对于汉字识别、人脸识别等相关领域内的其他模式识别的发展,也有很大的推动作用。特别是随着科技的进步,现如今智能手机、平板电脑等电子设备的应用更是非常普及,越来越多的人习惯于使用手写汉字或数字,因此,研究手写体数字识别技术,不仅有着重要的理论学术意义,同时还有很广泛的现实应用价值。神经网络是近年来的研究热点,因其本身所具有的高度并行性、非线性、具有高冗余度等特点越来越成为解决复杂问题的首选条件。神经网络对于知识的表达和存储使得信息处理变得简单方便,此外,它本身所具有的自学习、自组织能力对于一些复杂模型具有更大的优势。本文首先阐述了字符识别技术的研究背景与研究意义,分析了国内外研究现状,之后研究了手写体数字识别中的一些关键技术,对其原理、方法等进行了深入的研究,提出的识别技术提高了识别的精度,达到了实际应用的要求。同时,对于人工神经网络技术进行了了解以及使用,BP神经网络是目前人工神经网络网络中研究最多的热点之一,系统中使用BP神经网络进行处理,采用HOG特征提取方法,对训练数据以及测试数据进行了多方面的的实验,取得了一定的实验效果。本文主要做了一下几项工作：1.研究手写体识别的一般方法,熟悉手写体识别的常用方法,并进行方法对比；研究图像的预处理技术,包括平滑、去噪、二值化、归一化等。2.在研究多种手写体数字识别特征提取的基础上,研究HOG特征提取方法,并将其应用于手写体的特征提取上。3.研究BP神经网络,并将神经网络与HOG特征提取相结合构建识别系统。通过采用标准样本集进行训练和测试,通过大量实验,对手写体数字识别进行分析研究,每次根据实验结果进行分析和参数调整,最后对于整个系统的性能进行结果分析。