汉字是中华文明的象征,书法是汉字文化的精髓。当前书法教育进入普及和深化特殊时期,针对目前书法教学的存在书法教学师资匮乏、水平参差不齐及授课内容随意混乱的棘手问题。本课题分为书法汉字识别、书法汉字评价和法汉字的辅助教学系统三个部分。该系统对无人值守的情况下完成书法练习作品进行评价和指导,解决了在书法教育上面临的师资匮乏等问题。首先,书法图像数据在形体和字体存在的多养性、样本的稀缺性给书法汉字识别增加了难度和挑战,本文使用深度学习图像识别技术与书法汉字图像相结合,通过卷积神经网络提取图像高层抽象特征,完成书法汉字识别任务;其次,书法汉字在评价方面存在者较多的主观判断,是一种难以定性的评价,本文对基于图像处理技术,对书法汉字的骨架的全局特征和局部特征进行了分析与对比,通过计算特征的相似度,完成书法汉字的评价任务;最后,通过给出的评价分数输出,并给出合理的练习建议,完成书法汉字的辅助学习系统。本文主要研究内容如下:第一:本文在识别模块使用深度学习的方法,将Google Net网络和Res Net网络进行网络结构对比,通过将这两个网络分别进行脱机手写汉字实验,得到95.97%和96.63%的识别结果,实验结果表明,Res Net网络具有较高的手写汉字识别精度。同时通过实验得到Res Net网络模型对书法汉字进行识别也同样具有较高的识别精度。第二:本文提出了一种基于汉字的骨架提取算法,针对单一书法汉字图像的综合评价方法,即局部特征和全局特征分析。局部特征从书法汉字笔画出发,对汉字笔画的拐角相似度分析;全局特征从汉字整体结构出发,对汉字进行整体的“米”字格拆分,基于Hu矩和皮尔逊系数计算拆分后的相似度。同时通过对比人工评分,并验证了本文所提出系统的可靠性。第三:构建书法汉字辅助学习系统,该系统实现了对用户所输入的书法练习成果进行评分和评价反馈,让用户在完成书法练习后,能较为直观的发现自身作品的不足,并加以改正。