近年来,计算机技术日趋成熟,越来越多智能化、数字化的产品被广泛应用,给人类生活带来了极大的便利。目前,教育领域的高度发展使得各类考试的数量不断增加,传统场景下考生的答题情况大多以纸质答题卡的形式进行存储,但是这种方式具有一定的局限性,如难以实现永久保存以及无法对答题情况作进一步分析等。得益于文本识别技术的不断发展,使得纸质答题卡中的内容可以通过该技术翻译成计算机可以理解的文本形式,解决了这一领域所面临的现实问题。通过收集真实高考场景下的考生英文答题卡数据,在此基础上利用文本识别领域的相关技术,将答题卡中的内容进行识别和转录,为考生答题内容的永久性存储以及未来的自动阅卷技术提供了可能,同时加快了教育领域的智能化进程。本文针对考生可能出现的不同的书写情形提出了以单词为单位的手写英文识别方法和以行为单位的手写英文识别方法。主要工作如下:（1）以单词为单位的手写英文识别。为保证识别的准确率,针对考生书写较为规整进而能够切分出单词的,进行文本长度较小的以单词为单位的手写英文识别。为使模型可以额外使用特征图中各通道重要程度的信息,提出在视觉特征编码部分使用通道注意力模块;同时为充分结合不同解码方式的优势,在视觉特征解码部分提出将基于连接时序分类的解码和基于注意力机制的解码进行结合的多方式视觉特征解码方法,加快模型收敛速度的同时提升模型的识别性能。（2）得到以单词为单位的手写英文识别模型后,在相应的单词数据集上对其进行训练和测试,并进行了与主流方法的对比实验以及模型各模块的消融实验,最后对模型的识别结果进行了可视化。结果显示,所提出的以单词为单位的手写英文识别模型可以达到令人满意的识别效果。（3）以行为单位的手写英文识别。考虑到可能会存在一些极端的情况,由于考生书写不规范导致无法切分出单词的,这种情况下以单词为单位的手写英文识别模型不再是最佳选择。为使模型更具有普适性,需要进行文本长度更长的以行为单位的手写英文识别工作。在以单词为单位的手写英文识别模型的基础上根据英文行数据的特点对其加以改进得到以行为单位的手写英文识别模型。与英文单词不同的是,英文行中除包含字符级信息外还包括单词级信息,且英文行中存在丰富的语义信息,因此提出可以实现多粒度视觉特征解码的视觉模块以及可以提取潜在语义信息的语义模块;由于视觉信息和语义信息可以描述图像数据的不同方面,因此为充分利用提取到的视觉信息和语义信息,提出可以将这两类信息进行跨模态融合的融合模块;最终使用融合后的特征进行预测,可以得到更加准确的识别结果。（4）得到以行为单位的手写英文识别模型后,在相应的英文行数据集上对其进行训练和测试,并进行了与主流方法的对比实验以及模型各模块的消融实验,最后对模型的识别结果进行了可视化。结果显示,所提出的以行为单位的手写英文识别模型可以达到令人满意的识别效果。