人机交互研究领域已有悠久的研究历史。随着计算机技术的发展,人们追求越来越智能化的交互方式,如图形交互、语音交互、手写交互等。这些交互使得人与机器进行类似于自然语言交流成为了可能。随着触屏移动设备的兴起,受环境影响较小的手写识别交互方式成为最自然的交互方式之一。但目前比较流行的手写输入模式都还建立在字、词书写阶段,用户需要经过构思思维、书写字符、点击候选的重复循环过程。这使得用户无法连续书写,出现思维断裂,书写效率低的问题。随着识别技术的不断发展,精度较高的识别引擎计算复杂度也相对较高,这使得手写识别引擎在移动终端设备的识别准确率受到一定的限制。所以,如何提高识别精度,实现连续书写是目前手写识别领域的一个重要研究方向。针对以上两个问题,结合目前发展日渐成熟的云计算平台,本文设计实现了一个基于云平台的连续手写识别系统。通过将计算较复杂的基于卷积神经网络的识别引擎和后处理模型搭建在云端服务器上,实现分布式并行计算,解决移动平台单机硬件资源不足的问题。为了实现用户在线顺畅书写,本文设计了一种基于云端的连续手写交互模式。在Android移动终端系统中,设计了识别结果的多级呈现和双识别引擎,提高用户的书写速率和识别精度。在云端通过搭建粘性负载均衡节点来保持客户端与云端的数据同步,并且实现并发用户访问处理。本文还搭建了用户手写数据存储系统,将手写数据通过网络文件系统(Network File System,简称NFS)存储到数据库中,并将用户手写习惯写入手写日志,对未来进行用户数据挖掘和设计个性化识别引擎具有重要的作用。最后本文对系统进行测试。让10个真实用户采用三种识别引擎进行书写,对比不同识别引擎的识别准确率。实验结果表明,本文搭建的基于云平台的在线识别引擎具有较高的识别精度,平均首选准确率达到了95.70%,识别延时为0.2s左右,不影响用户顺畅书写。通过电脑开启多线程模拟手机并发访问云端,测试服务器的容载量和吞吐量。由实验结果分析得到,本文云端系统具有较强的处理能力和较大的吞吐量。最后采用Testin云测(专业的手机云测试平台)对系统兼容性进行测试,得到98.26%的通过率,说明了系统具有较好的兼容性。