随着移动电子设备在日常生活中的广泛使用，人们可以方便快捷地通过拍照获取图像，而图像中往往包含着内容丰富的文字信息，基于摄像头的应用产生了大量对拍摄场景内容理解的需求。图像中的文字作为一种重要的语义信息，是描述和理解客观世界相关环境的关键要素，正确识别这些文字对于人们的拍摄意图、基于内容的图像检索和分享、过滤等应用有着重要的现实意义。虽然针对传统扫描文档图像的OCR方法已经获得了很大的成功，但这种成熟的技术不一定适用于自然场景图像中的文字识别。由于自然场景图像受到多方面干扰因素的影响，大大增加了正确识别文字的难度。　　考虑到场景图像中文字的特点，对其进行识别时，直接利用已有的OCR软件很难获得良好的识别效果。而传统的场景文字提取工作中，往往分为文本检测、文字分割和文字识别三个部分，从而造成文字的识别由于分割不准确而误识较多。近年来，学术界开始关注一种新的文字提取方法，即文字的检测、分割和识别同时进行不再明显分开。针对场景图像中英文单词识别的复杂性，本文在学者们新近研究成果的基础上采用这种方法，即当定位到文本区域后，在矩形区域内同时检测和识别字符而不进行分割，然后按照一定的规则将识出字符组合成单词，提取文字表示的确切信息。　　本文提出了一种基于HOG和多元语言模型的场景单词识别方法。首先对训练样本字符图像进行预处理并提取HOG特征，然后基于多尺度分解和滑动窗口密集扫描测试单词图像，提取可能是字符位置的检测窗口的HOG特征，再利用最近邻分类器进行字符识别，最后根据提出的多元语言模型将识出字符组合成单词。实验结果表明，该方法具有一定的鲁棒性。