OCR（Optical Character Recognition，光学字符识别）与手写识别（Handwritten Word Recognition，简称HWR）在识别对象和识别技术上有显著的区别。

识别对象： OCR：主要针对的是印刷或打印文本。

这些文本通常具有清晰、规范的字体和布局，使得识别过程相对简单和准确。

OCR技术广泛应用于扫描文档、图像识别等领域，用于将纸质文档或图片中的文本转化为可编辑的数字文本。

HWR：则专注于手写文本的识别。

手写文本具有多样性、随意性和不规范性，每个人的书写风格、字迹大小和笔划粗细都可能不同，这使得HWR的识别难度远大于OCR。

HWR技术通常用于手写笔记、签名识别、手写输入等场景。

识别技术： OCR：主要依赖于图像处理和模式识别技术。

OCR系统首先会对输入的图像进行预处理，包括去噪、二值化、分割等操作，然后提取出文本区域的特征，如字符的轮廓、结构等。

接下来，OCR系统会将这些特征与预定义的字符模板进行匹配，从而识别出文本内容。

为了提高识别准确率，OCR系统还会采用一些后处理技术，如纠错、上下文分析等。

HWR：则需要更复杂的机器学习算法来支持。

由于手写文本的多样性，HWR系统无法像OCR那样依赖于固定的字符模板进行匹配。

相反，HWR系统会通过大量的手写样本训练出能够识别各种书写风格的模型。

这些模型可以学习到手写文本的笔划、结构、书写顺序等特征，并据此进行识别。

为了提高识别准确率，HWR系统还会采用一些高级技术，如深度学习、迁移学习等。

总的来说，OCR和HWR在识别对象和技术上有所不同，但都是自然语言处理领域中的重要技术，为我们提供了将图像中的文本转化为可编辑数字文本的能力。