由于当下的中小学生握笔手势不规范,导致写字质量不高、坐姿不良、眼睛近视以及手指关节增生等问题,对其身心健康造成不良影响。针对握笔手势的问题,我国研究者们已经对其进行了较多的理论研究,国家也出台了《关于在中小学加强写字教学的若干意见》等一系列文件,不仅强调了学生使用正确的握笔手势进行书写的重要性,而且明确定义了中小学生正确书写时的握笔手势。然而当前的握笔手势和书法教学主要采用面授和视频教学,缺乏自动化的教学反馈系统的研究与实践,且握笔手势没有公开的数据集,故依托项目研究了握笔手势数据集建设和自动化的握笔手势识别方法。主要的研究内容如下:（1）为了解决没有握笔手势数据集的问题,本文在参考各种握笔手势相关文献的基础上,将握笔手势分为九类,包括标准型、错位型、横搭型、埋头型、扭曲型、扭转型、拳头型、睡觉型、直线型。握笔手势数据集分别在白纸、类肤色的桌面、白色的桌面、杂乱的桌面、纯黑色背景以及充满字迹的笔记本背景下进行拍摄,每类手势图像900张,共计8100张。（2）针对AlexNet与单一图像模态提取握笔手势特征不充分、网络收敛速度慢、握笔手势识别率低等问题,本文提出了一种AlexNet优化与双模态握笔手势识别方法。即采用批量归一化和注意力机制对AlexNet的网络结构进行优化,并基于此优化AlexNet网络实现双模态的握笔手势识别。该方法首先对握笔手势图像进行手势分割以及骨架图提取以获取双模态图像;接着对其进行预处理;最后将处理后的握笔手势图像输入至该优化AlexNet中进行特征提取及特征融合,并利用Softmax分类器对握笔手势进行识别。（3）基于握笔手势方法的研究,本文设计并实现了一个握笔手势识别系统原型。本系统包括握笔手势图像读取、双模态图像获取、双模态图像预处理、握笔手势识别和反馈四个部分。本文根据握笔手势特征自建了九类握笔手势数据集,提出了一种AlexNet优化与双模态握笔手势识别方法,并基于此研究方法设计并实现了握笔手势识别系统原型,对人机交互方面的握笔手势识别进行了初步的实践探索。