【摘 要】论文通过对文字识别技术，特别是中文手写识别技术的分析和文字识别技术的应用研究，及档案工作的回顾分析，探索并提出文字识别技术在档案工作中的应用场景，为数字化时代的档案工作提供思路。

　　【关键词】文字识别;档案管理;应用场景

　　1 引言

　　数据采集是所有工作的起点，并决定了解决效果的上限。利用文字识别技术，目前大量的文档采集从专有设备转向了普通手机，数据采集者也从专业办公人员转向普通用户。

　　2 文字识别技术现状分析

　　计算机文字识别，又名光学字符识别、OCR识别，是利用光学技术和电子信息技术把印在或写在纸上的文字提取出来，并转换成一种计算机能够接受、人又可以理解的形式。OCR技术是实现文字高速输入的一项核心技术。

　　2.1 文字识别技术的发展

　　2.1.1 西文识别技术的发展

　　在OCR技术中，印刷体文字识别是开展最早、技术上最为成熟的一个。早在20世纪20年代末期德国科学家最早取得了光学字符识别的专利。西方国家为了将大量报章杂志、文件材料和票据表格等纸质材料输入计算机进行信息处理，从20世纪50年代就开始了西文文字识别技术的研究。随着信息技术的飞速发展与研究人员的不断探索和完善，西文文字识别技术现已逐渐渗透于各行各业。

　　2.1.2 中文识别技术的发展

　　第一，中文印刷体识别技术的发展。

　　与印刷体西文文字识别相比，汉字的印刷体识别技术的研究是在字母和数字的印刷体识别基础上发展起来的，发源于20世纪60年代。60年代中期，BIM公司的工作人员发表了首篇关于印刷体汉字识别的论文，在这篇论文中他们利用简单的模板匹配法，识别了一千个印刷体汉字。从70年代以来，日本研究人员在汉字识别方面做了许多探索和发明，其中比较著名的系统有70年代东芝综合研究所研制的可以识别两千个独立印刷体汉字的识别系统;80年代早期，日本武藏野电气研究所研制的可以识别两千三百个連续汉字的识别系统，代表了当时汉文OCR识别的最高水平。此外，日本的松下、富士等公司也有其研制的印刷体汉字识别系统。这些系统在方法上，大都采用基于K-L数字转换的计算方法，使用了大量专用设备，甚至有的相当于大型机，价格不菲，所以并没有得到普及和推广。

　　印刷体的中文识别自20世纪80年代中期规模发展以来，清华大学、中科院、沈阳自动化研究所等一众单位分别研制并开发出了可以量产的印刷体中文OCR识别系统。尤其是由清华电子工程系研制的清华文字识别产品和由汉王开发的尚书文字识别产品，它们占据着OCR技术的领先地位，并拥有最多的OCR客户，代表着印刷体中文OCR技术的未来发展趋势。目前，印刷体中文识别技术已经从简单的文字识别逐渐发展到了表格的自动识别、自动输入的研究阶段，图片文字混合、各种语言混合下的内容提取、语义理解，各种卡片、票据的识别和历史文献的识别等都逐渐开展起来。多种相关的识别系统如雨后春笋般应运而生，如紫光文通推出的名片识别系统和慧视屏幕文字图像识别系统等。这些新的识别系统的出现，标志着印刷体中文识别技术的应用领域得到了扩展。

　　第二，中文手写识别技术的发展。

　　中文手写识别由于信息的获取形式不同，可以划分为非在线中文手写识别和在线中文手写识别两种。在线中文手写识别所处理的手写体汉字是书写者通过物理设备在线输入获取的文字信号，笔画的顺序通过计时器采样实时输入计算机中。非在线中文手写识别所处理的手写汉字是通过扫描设备或手机摄像头等图片抓取设备采集到的手写汉字图片。

　　近年来，百度OCR技术在检测、识别和端到端三个核心技术领域多次取得并保持了世界第一的排名，具备较明显的领先优势。腾讯集团的数平精准推荐团队研发了一种适用于各个角度汉字的点对点提取方法，能够有效解决文字尺度不一、形态万千和检测器对标准过于敏感等问题，大幅提高了测试步骤的准确度。

　　中国知网查重：https://www.cnkilunwen.net/