随着人工智能领域的深入发展,智慧城市、智慧教育等领域受到了广泛的关注。特别地,在智慧教育领域目前已经有许多关键的人工智能技术得到实际应用,包括计算机视觉、文本识别、语音识别等。文本信息是信息交流的重要载体之一,文本识别检测在智慧教育中起着至关重要的作用。在计算机互联网没有兴起的时代,学习只能通过纸质书籍和师长的口传身教。现如今,互联网已经成为了一个重要的学习渠道,出现了基于互联网的线上学习方式。然而,互联网传播的学习内容需要大量的人力工作,包括内容的录入及阅卷,如何运用文字识别技术提升教育的智能化水平是近几年的重要研究方向。特别地,针对高度结构化的数学公式的识别,是当前的研究热点,受到了广泛的关注。本文通过对摄像机获取数学题解题过程中的手写体文本数据进行处理并对其进行手写体识别。本文对数学题解题过程中的手写体文本识别进行研究,分别从顺序文本数据、复杂结构化数学公式两种文本类型出发,对脱机手写体识别进行研究。论文工作如下:针对顺序的文本数据,利用其有序性,将顺序文本进行拆分,对每个字符采用一种基于深度决策森林的单一字符手写体识别模型逐一识别。通过实验证明,引入了基于深度决策森林的模型在对手写体字符的识别准确率在专用数据集上达到了90.34%,相较普通卷积神经网络算法提升了2.56%。针对复杂的结构化数学公式,由于其存在着非顺序的二维结构,所以采用传统的单一字符识别模型无法准确识别。本文提出了一种基于深度决策森林的数学公式手写体识别模型对这种复杂的结构化数学公式进行整体识别。通过实验证明,引入了基于深度决策森林的模型在对结构化数学公式手写体的识别准确率在最新的公共数据集上达到了46.79%。针对数学题解题过程中包含一维顺序文本与二维结构化数学公式两种文本这一特点出发,结合单一字符识别模型与结构化公式识别模型,设计出针对决数学题解题过程的图像识别服务模块,并面向实际的项目需求,研发一套完整的作业批改系统,并验证系统的有效性。