随着信息时代的到来、计算机技术的不断发展以及人工智能的兴起,信息化、数字化、智能化成为了社会发展的趋势。目前,在考试领域,考生考卷大多以纸质或图像的形式进行存储,为了方便对这些考卷进行分析、保存,需要将这些纸质或者图片上的数据转录成文本数据,进而实现对考生试卷的信息化与智能化处理。面向试卷的手写英文识别就是对试卷信息化与智能化处理的一种关键技术,本文从试卷图像的单词分割、单词识别以及单词识别后处理三个方面入手,设计并实现了相关的技术,并成功应用于高考英文试卷的识别中。本文对面向试卷的手写英文识别相关技术的设计与实现内容如下:(1)单词分割,本文根据试卷图像背景区域远大于前景区域,且二者灰度分布差异较大的特点选择了全局的二值化处理方法;根据考生答卷相邻文本行之间空隙大但仍有部分交错特点,设计并实现了结合投影法和动态行分割法的文本行分割方法,然后使用了经均值滤波处理过的投影法进行了单词分割,取得了良好的效果;最后对分割的异常进行了分析,统计出了过拟合、欠拟合和书写错误三种分割异常情况,并提出了相应的解决方案。实践表明,本文设计的单词分割方法简单且高效。(2)英文单词识别,本文设计并实现了一种基于Seq2Seq的手写英文单词识别网络,首先使用本文设计的带有5个卷积层的卷积神经网络(Convolutional Neural Networks,CNN)提取单词图片的空间特征,再使用改进的多层双向的长短期记忆人工神经网络(Long Short-Term Memory,LSTM)作为编码器对空间特征进行编码,将特征编码输入带有注意力机制的LSTM解码器进行解码,并使用了集束搜索的方式扩大解码范围,进一步提高了识别准确率。最后在相关数据集上对英文单词识别模型进行了训练和测试。结果表明,本文设计的模型取得了令人满意的效果。(3)单词识别后处理,本文对单词识别的常见错误进行了统计与分析,设计并实现了基于贝叶斯理论的单词识别纠错方法,这种方法根据概率模型对识别结果进行了纠正。实践表明,本文设计的方法在一定程度上提高了英文单词识别的准确率。