Handskriftsigenkänning används oftast för att beskriva en dators förmåga att översätta mänskligt skrift till text. Detta kan ske på ett av två sätt, antingen genom att skanna skriven text eller genom att skriva direkt på en perifer inmatningsenhet.
Den första av dessa tekniker för handskriftsigenkänning, känd som optisk teckenigenkänning (OCR), är den mest framgångsrika i mainstream. De flesta skanningssviter erbjuder någon form av OCR, vilket gör att användare kan skanna in handskrivna dokument och få dem översatta till grundläggande textdokument. OCR används också av vissa arkivarier som en metod för att omvandla enorma mängder handskrivna historiska dokument till sökbara, lättillgängliga digitala former.
Den andra gruppen av tekniker för handskriftsigenkänning, ofta kallad onlineigenkänning, har upplevt en ebb och flod i popularitet. På 1990-talet släppte Apple Computers en handhållen enhet kallad Newton som använde sig av det första allmänt tillgängliga gränssnittet för handskriftsigenkänning. Genom att använda en liten penna kunde användaren skriva direkt på Newtons skärm och (i teorin) få sina bokstäver igenkända och omvandlade till text. I praktiken var programvaran som Newton använde för att försöka lära sig användarhandskriftsmönster mindre än idealisk, och som ett resultat var dess popularitet aldrig stor.
Senare testade företaget Palm ett nytt system för handskriftsigenkänning, som de kallade Graffiti. Istället för att förlita sig på en intuitiv användning av det traditionella romerska alfabetet, definierade Graffiti-systemet sitt eget system med mycket enklare linjedrag som stand-ins för varje bokstav. Detta gjorde det möjligt för den en högre framgångsfrekvens när det gäller att identifiera bokstäver och lära sig en användares variationer, men skapade en brant inlärningskurva som höll de flesta vanliga användare på avstånd.
Microsoft Corporations Tablet PC-datorer använder också ett handskriftsigenkänningssystem. Istället för att försöka lära sig en användares nyanser, använder Tablet PC-datorerna en omfattande databas med karaktärsvariationer. Detta system verkar ha en högre framgångsfrekvens för de flesta användare än adaptiva system, men verkar också ha en tröskel för dess tillförlitlighet.
Forskningen om programvara för handskriftsigenkänning har börjat ta fart igen, med mainstreaming av handdatorer och mobiltelefoner med penningångar. Det som en gång var randteknikernas rike håller snabbt på att bli en mångmiljardmarknad, vilket får många företag att starta om sina undersökningar av handskriftsigenkänning.
Även om problemen som hindrar skapandet av ett starkt, pålitligt system för handskriftsigenkänning är stora, indikerar de senaste genombrotten att det bara är en tidsfråga innan nästan perfekt igenkänning blir verklighet för mainstream.