在高速发展的当下,人们生活水平逐渐提高,车辆的数量也随之不断增加,通过驾照考试的驾驶员也同样增加。因为交警指挥交通的场景并不多见,所以随着时间的流逝,大多数的司机并不能完全识别出所有交警的手势,这会对交警指挥交通造成不便。在辅助驾驶系统中,加入交警手势识别功能,会向司机提供极大的便利。目前通信技术快速发展,基于5G甚至6G通信的车联网技术将会广泛应用,车辆可以直接通过网络获取交通信号,通行更加便利。但是在特殊情况时,可能存在网络信号较差甚至无网络服务等情况。基于最低限度安全保障考虑,车辆本身也需要具有信息采集和判断的能力。不久的将来,无人驾驶汽车即将商用,无人驾驶技术愈加趋向于成熟。对周围的环境的准确感知,是无人驾驶技术必要条件。即使在无人驾驶时代,也可能出现突发事件,在网络、机器都失效的情况下,交警需要到现场指挥交通,所以对交警手势的识别是无人驾驶系统必备的能力。现在的交警手势识别技术采用计算机视觉的方法,它受光照、背景等因素影响,识别精度较低,所以仍具有相当大的发展空间。本文从实际应用中可能存在的问题出发,结合姿态估计算法,进行交警手势识别。本文具体的研究内容如下:(1)提出一种交警ROI区域检测-人体骨骼关键点提取-变长序列识别的交警手势识别方法。在以往的交警手势识别中,通常不包含交警ROI区域检测,这样网络不光需要具有手势识别的能力,还需要具有交警人物识别的能力,无形中增加训练的困难,造成识别准确率的下降。本文提出的方案在第一步就进行了交警人物识别,后续只需关注手势识别本身。(2)采用姿态估计的算法代替过往研究中使用的Kinect传感器提取人体骨骼关键点特征,硬件上更加简单方便。在CPM(Convolutional Pose Machines)基础上改进网络结构,使之更适合单人骨骼关键点提取。(3)提出变长序列手势分类器,改固定长度的序列识别为可变长度的序列识别,更加符合交警手势中不同手势具有不同时间长短的特点,使之更适用于真实场景。并且采取特征模板的方式,根据相似性网络,判断待识别交警手势和模板手势是否匹配,不同于以往交警的手势识别直接将交警手势分类,增加了整体解决方案的可扩充性。