ICDAR是国际模式识别学会组织 （ IAPR） 的旗舰会议，自 1991年创办以来，一直是 文档分析与识别 领域公认最具权威性和影响力的顶级国际学术盛会，其技术竞赛被誉为文字识别领域的 “ 奥林匹克 ”，是该 领域最高竞技舞台。

今年 ICDAR举办的8项竞赛中，笔迹识别方向全部三项竞赛—— AnyScript长 时间跨度 手写笔迹作者身份识别、 FalsID历史手稿伪造与仿冒检测 、 CircleID手绘圆圈书写者身份识别 ，亲笔签均摘得桂冠，标志着中国在 AI笔迹识别这一前沿领域， 实现从 “ 积极跟随 ” 到 “全面 引领 ” 的重要转变。

历史追迹：跨越 300年的笔触

ICDAR 2026 Competition on Long-Term Handwriting Author Identification（AnyScript长时间跨度手写笔迹作者身份识别）将笔迹识别的尺度拉伸到了历史的长河中。

数据集跨越 300多年，包含1019位作者、2286部书籍、527340个页面。从18世纪的私人信件到20世纪的文学手稿，从潦草的乐谱到工整的剧本，参赛者需要判断随机给定的1000个单页分别来自哪一本书籍，还要判断究竟哪些书籍出自同一人之手。

AnyScript 竞赛提供的手稿扫描图

人的笔迹会随年龄、心境、书写工具甚至书写场景的不同而自然变化，部分作者甚至拥有连续跨度达 40年的作品，这进一步加大了识别难度。

最终，亲笔签 团队凭借对笔迹微观特征与宏观书写习惯的深度建模能力 拿下第一。时间可以侵蚀纸张、褪去墨迹，但却抹不掉隐藏在深处的笔迹密码。

真迹还是仿作？ AI读懂千年书法史

ICDAR 2026 - FalsID (Competition on falsification and imitation detection）（历史手稿伪造与仿冒检测），堪称笔迹识别领域的终极难题，考题是历史名人手稿的真伪判别。

组委会给出了三个历史名人的手稿，包括：

法国第一位职业女作家克里斯蒂娜 ·德·皮桑（1365年-1430年） ， 28276张手稿图像，真迹与同时期抄写员仿作混杂。

意大利诗人 托尔夸托 ·塔索（1544-1595） ， 1000张手稿图像，包含其被囚精神病院期间写下的字迹，因精神崩溃而极度扭曲、变化无常。

斯兰书法宗师雅古特 ·穆斯泰西米 （？ -1298年），确立了六种正体书法规范，数据集包含3000张手稿图像，仿作与临摹多如牛毛。  

FalsID 竞赛提供的手稿扫描图

这些 高度相似、书写差异细微的历史手稿样本 ， 人类学家往往也难以分辨真伪，但 亲笔签 的 AI算法做到了， 成功夺冠 ！

极限挑战：仅凭一个 “圈”辨认书写人身份

试想一下，仅凭一个手绘圆圈，就能认出是谁画的。这听起来像是科幻小说的情节，但在 ICDAR 2026 - CircleID: Writer Identification（手绘圆圈书写者身份识别）竞赛中，却是全球顶尖团队必须面对的现实考题。

组委会只给了 5905个手绘圆圈的扫描图，既没有书写过程的动态信息，也没有复杂的文字结构，有的只是一 个 再简单不过的线条 圆圈 。

参赛者不仅要从中精准识别出每一位书写者的身份，还要判断这个圆圈是否来自 50多人之外的陌生人。更 严苛 的是，每位书写者用了 8种完全不同的笔——圆珠笔、钢笔、马克笔……跨笔书写带来的特征变异，让这项任务近乎不可能。

然而，亲笔签团队自主研发深度椭圆编码模型，从全球科研机构和科技巨头中杀出重围，以超越第二名 11个百分点的绝对优势夺冠。这意味着，即使在只有一个“圈”的极限条件下，中国的笔迹识别AI算法依然能在肉眼难以察觉的笔画韵律中，锁定独一无二的笔迹特征。技术一旦落地，在金融反欺诈领域，如篡改支票金额数字、伪造合同签名等，那些自以为可以瞒天过海的操作，将无所遁形。

顶会论文同期收录

三项世界第一已经足够震撼，但亲笔签的维也纳之行还有一份重磅成果。

由覃勋辉主导完成的论文《 AOSSig4000: A New Chinese Handwritten Signature Dataset with Diverse Background Noise and Pixel-Level Annotations》，被ICDAR 2026正式录用。

“过去学术界研究签名笔迹识别，主要依赖两类数据，一类是背景干净的纯签名图像，一类是随机粘贴合成的伪文档。但现实世界里和实验室不一样，真实的签名文档充斥着指纹、印章、下划线、模糊阴影等噪声干扰，大量的AI算法模型在实际应用中往往水土不服。”覃勋辉介绍道。

借此机会，团队发布了全球第一个带像素级标注的中文真实场景手写签名数据集 “AOSSig4000”，同时配套发布了AOSDoc文档模板集。该数据集包含4000张文档、8523个手写签名，将真实噪声系统性融入文档，并按干扰强度划分为L1到L5五个难度等级。每个签名都经过人工精细标注，总耗时超过2000小时。

论文通过大量实验验证了真实数据相较合成数据对模型训练的帮助具有更好优势，并证明通过将签名分割作为预处理步骤，能显著降低在复杂干扰情况下识别验证的错误率，为推动笔迹识别技术在合同审核、身份认证等业务场景中落地，打下坚实基础。

“目前，我们已经开源了完整的实验代码和基线结果，希望能为后续的研究者提供可直接复用的评测框架，降低研究门槛。”覃勋辉表示。