当前中小学生中普遍存在握笔手势欠规范的问题,导致书写质量不高、缺乏美感,且握笔手势不正确引起写字姿势不规范,从而造成学生近视比例连年攀升,阻碍了书法教育及学生身心健康。本文依托课题组视频动作识别与智能分析项目,首先基于卷积神经网络、深度残差结构和注意力机制,设计了一种基于残差结构的非对称并行握笔手势识别网络,然后基于该网络设计并实现了一个书写在线教学平台,用于协助教师指导学生掌握正确的握笔手势,提高学生书写能力。通过对手势识别的国内外文献与相关技术的研究,首先,针对握笔手势中的手势部分遮挡,特征提取不充分问题,提出了一种基于深度残差结构的并行卷积神经网络,该并行网络分别对原始图像和手势分割图像进行特征提取,然后采用融合后的特征进行手势分类。其次,针对数据集中样本数量少,图像大小不一影响特征提取的问题,采用改进的空间金字塔池化块和混合协调注意力模块对网络进行优化。最后,由于当前缺乏合适的公开握笔手势数据集,自建了一个包含7类握笔手势,共923张图像的基础数据集,并使用数据增强技术将训练集扩充四倍。在该数据集上的实验结果表明,本文提出的网络模型对握笔手势识别的精度达到76.22%,通过数据增强后达到82.16%,具有较好的效果和鲁棒性。为了帮助学生学习书写的同时持续改善握笔手势,本文以所提出的基于深度残差结构的并行卷积神经网络为基础,设计并实现了一个书写在线教学平台系统原型。通过该系统教师以课程的形式发布教学内容并指导教学,学生可在选课后自主在线学习,同时可通过照片、视频或摄像头作为输入进行在线握笔手势识别,辅助学生纠正握笔手势。本文所提出的基于深度残差结构的并行卷积神经网络可用于构建握笔手势识别系统,同时对于类似无高质量公开数据集的手势分类任务具有参考价值。本文所展示的在线手势识别方法和系统架构,也有助于构建其他在线手势识别及教学系统。