近年来,非接触式和接触式的智能感知设备广泛存在于人们的生活当中,基于智能感知技术的行为识别研究也得到了深入发展。非接触式智能感知设备主要包括摄像头和无线设备,然而基于摄像头等非接触感知技术面临设备成本高昂,易受光照条件影响和具有较高的计算能耗等问题;基于声音和wifi等非接触感知技术面临易受其他同类信号干扰和多径效应等问题,这些都限制了其大规模普及和应用。接触式智能感知技术主要基于可穿戴设备实现,其具有成本较低,部署方便和不易受外界环境干扰等特点,受到广大用户的欢迎,尤其对于智能手表,因其内置丰富的传感器,具有较强的行为感知能力,使其更具有普适性。随着汉语的普及,越来越多的人开始学习汉字,正确的书写汉字可以帮助人们提高阅读体验。规范的书写行为,包括握笔姿势和汉字笔顺等,也直接影响着书写质量、书写速度等。如错误的握笔姿势,会导致写字用力不正确,甚至近视;不正确的汉字笔顺也会破坏汉字平衡结构,降低书写速度。然而这些问题对于汉字初学者来说很容易被忽视掉,因此基于汉字书写的智能感知技术具有重要的研究意义。基于智能手表的普适性和汉字书写行为的重要性,本课题从手写汉字识别、握笔姿势识别和汉字笔顺识别三个方面进行研究。（1）基于智能手表的手写汉字识别方法本文基于智能手表内置传感器实现对用户手写汉字的识别。首先通过分析手写汉字信号,提出一种有效分段汉字信号并提高信噪比的算法。然后采用数据增强方法和深度卷积神经网络方法建立手写汉字识别模型,最后分析影响汉字识别性能的因素。实验结果证明了其汉字识别精确率达到了96%,可以很好的识别出手写汉字。（2）基于智能手表的握笔姿势识别方法本文基于智能手表内置传感器实现对用户握笔姿势的识别。首先通过分析手写信号,提出一种新的基于握笔姿势的信号检测算法,用以提高信噪比,提取汉字笔画或英文字母。然后针对汉字结构复杂,使用单个笔画构建的握笔姿势模型性能较低的问题,本文将一个竖笔画和一个横笔画信号衔接组合作为握笔姿势分类的基础数据,同时利用深度卷积神经网络构建两级串行分类器对握笔姿势进行识别,以进一步提高识别性能。最后的实验证明了握笔姿势识别精确率达到了98%以上,满足了人们日常使用的需求。（3）基于智能手表的汉字笔顺识别方法本文基于智能手表内置传感器实现对用户汉字笔顺的识别。首先通过分析手写信号,设计一种新的基于汉字笔顺的信号检测算法,用以提高信噪比,分段汉字和提取手写信号。然后针对仅依靠笔画类型和笔画数量难以区分汉字笔顺的问题,本文借助笔画间的方向移动手势,以区分相同笔画在同一个汉字中的相对顺序,从而进一步提高汉字笔顺识别性能。最后设计笔画和方向编码,构建汉字方向模板,在筛选所有可能的汉字笔顺序列后,基于匹配的差异分预测汉字笔顺。实验结果也证明了该模型对汉字笔顺的识别准确度达到了83%以上,具有较好的识别性能。