在科技较为发达的今天,人们更加依赖使用计算机与手机进行信息的交换,文字成为了目前最主流的信息传播媒介。在传统的书面文字中,手写汉字往往都具有鲜明的个人特征,而当前绝大多数人在数码设备上所使用的文字字体为标准楷体或宋体。在同质化的网络时代,人们越来越青睐于能够满足他们个性化需求的产品,所以人们对于个性化字体的需求越来越明显,个人手写字库显得越来越重要。通过使用个人手写字体,不仅能够使得文字信息在信息交流中表现出鲜明的个人特征,也能够表现出传统汉字文化的重要性。目前个人手写字库生成过程中主要有三个研究问题:在较小约束的条件下获取输入图片并进行一系列预处理;对预处理之后的手写汉字图片进行文字识别;利用识别后文字对应的图片信息替换字体文件中的原始信息完成入库并形成新的字体文件。本文分别针对这三个主要问题进行了一系列研究。针对输入及其预处理问题,本文提出了一种能够在较小日常约束下获取可供使用的手写汉字图片的预处理方法:采用手写汉字阵作为输入,通过局部二值化的方法削弱日常光照的影响,通过单应性变换完成图片的透射矫正,通过区分不同文字区域分割文字,最终将原始文字图像转换为可供识别与入库的二值化汉字图像。针对手写汉字识别问题,本文融合了残差网络的思想设计了一种卷积神经网络,利用HWDB1.1作为基础数据集,HWDB1.0作为扩充数据集。在对数据集进行相应处理使之接近预处理结果中的手写汉字后,利用softmax分类器和交叉熵损失函数对该数据集中常用的3755类汉字进行了手写汉字识别训练。最终在保证模型较小的情况下,在HWDB1.1测试集中得到的识别精度约为95.23%,取得了较好的识别效果。针对手写汉字入库问题,本文提出了一种基于汉字编码与对应图像的手写汉字入库功能,能够通过汉字编码索引原字体文件中的对应汉字信息,然后对手写汉字图片进行相应处理替换原始信息,最终得到具有手写汉字字符的新字体文件。最后,本文将PyTorch深度学习模型通过ONNX模型转换为了可在移动端运行的MACE模型,模块化的代码利用Android ndk进行打包,完成功能的移动端移植。基于这些功能模块,本文利用unity设计交互并完成各个逻辑功能,最终实现了基于Android平台的个人手写字库生成系统。该系统能够适用于日常情况下的手写汉字图片获取,提供可供修改的手写汉字识别结果,并对结果入库操作,能够得到具有图片中手写汉字的新字体文件。