随着我国经济的快速发展,诸如交通拥堵、交通事故等交通问题越来越突出。智能交通系统是解决交通问题的主要手段,智能车系统是智能交通系统的重要组成部分,其中无人驾驶系统和智能辅助驾驶系统是智能车的主要研究内容。交通指挥手势识别是无人驾驶系统和智能辅助驾驶系统的关键技术,也是智能车技术的一个研究热点。由于交通环境容易受到光照、车辆运动、遮挡、不同天气环境等因素干扰,使得交通场景复杂,正确识别交通指挥手势存在困难。因此对复杂交通场景下,准确检测交通警察并快速识别交通指挥手势的研究具有一定实际意义。本文主要基于视频信息对复杂场景下交通指挥手势识别方法进行研究,主要研究内容如下:1.在保证交通警察信息完整的前提下,研究分析了常用图像去噪算法和常用图像增强算法,并选用双边滤波算法进行去噪处理,采用Gamma校正算法进行图像增强处理。2.为了提高交通警察的检测效率和检测准确率,研究了基于HOG特征和SVM分类器的目标检测算法,分析对比了SSD模型和Faster R-CNN模型的目标检测算法,确定了Faster R-CNN模型为交通警察目标检测的模型;针对交通场景中可能有多个交通警察的情况,提出了结合人体纵横比例和帧间差分法的交通警察定位方法,并通过实验验证了所提方法的有效性。3.为了能够准确提取交通警察骨骼关键点特征,分析了基于Kinect传感器的骨骼关键点提取算法,重点研究了基于Open Pose网络结构的骨骼关键点提取算法,并针对Open Pose识别骨骼关键点速度慢的问题,使用卷积核数量和大小的替换对其进行了优化。4.为了能够快速准确的对交通指挥手势进行识别,研究了基于DTW的手势识别算法,重点分析了基于循环神经网络的LSTM算法,并使用跳跃连接对LSTM网络结构的门机制进行优化,同时在正则化时加入了变分dropout方法,最后通过实验验证了优化方法的有效性。