脱机手写数字识别是一个至今仍没有完美解决的问题,是一个很有挑战的问题。它有着广泛而重要的应用需求,如识别邮政编码、银行收据、税收票据、各种打印手写的数字等等,这吸引了众多研究者持续不断的为之努力。介绍了手写数字识别的研究现状与未来发展的趋势。讨论了识别所需的预处理工作如图像二值化、图像分割、归一化与字符细化。针对目前特征的组合对提高识别率效果明显,而多种分类器组合不仅识别速度慢且效果甚微的情况,研究了一种将梯度特征、曲率特征、小波变换特征组合,直接使用分类性能优秀的支持向量机做为分类器的统计法。详细说明了特征提取的方法,论述了支持向量机与使用其实现工具进行识别的方法。研究了一种简便实用的结构法:将数字图像按特征点分解,去除细小分支后再重组,对重组后的线段进行简化的基元分类,最后根据字符所含基元与特征点来分类识别。该方法避免了传统方法中的学习过程,减少了识别的时间。为提高识别可靠性,尝试性对同一批样本分别用两种方法识别,再对两种识别结果进行仲裁得出最后的识别结果。实验表明,研究的统计法与结构法简便可行,错误率均在可接受的范围内,结合识别虽然拒识率比较高,但可靠性有所提高。