手写体汉字识别是模式识别的一个重要部分，近年来受到广泛重视。汉字字符有着相当庞大的数量以及非常复杂的结构，再加上手写体因不同人的书写风格不同，变换更加多。这些因素都给手写汉字识别带来了不小困难。尽管如此，手写体汉字识别的方法近年来还是取得了较大的成功，甚至已经出现商业化产品。要提高手写体汉字识别的准确率，关键是特征的提取和分类器。由于汉字的结构特性，汉字的笔划方向包含了非常重要的信息，因此笔画结构特征可以作为一种常见的特征进行写体汉字识别。方向直方图特征就是一种提取汉字边缘处的梯度方向，并按区域进行统计的特征。而近年分类算法的发展也给手写体汉字识别带来了帮助。支持向量机是一种通过在样本空间中寻找最优分类面，使得两边距离分类面最近的样本点到分类面的距离最大。由于支持向量机需要确定分类面的支持向量数目相对与所有样本及很小，所以支持向量机也可以被应用来进行增量学习。本文通过实验比较了几种方向直方图特征，并针对一个特定的应用环境，实现一个应用系统。该系统从特定环境的视频中抽取手写体汉字图像，提取了方向直方图特征作为分类特征，采用支持向量机进行训练和分类，识别视频中的汉字，并且采用了适当的策略支持增量学习。该系统采用一对一支持向量机组合进行多类分类，改进了投票策略，并且利用投票结果进行自增量学习，还人工引入了上下文的先验知识来辅助进行识别。实验结果表明该应用系统针对特定的应用环境，具有较好的识别准确率。