近年来,随着智能汽车和无人驾驶技术日益成熟及人们出行频率的增加,交通道路中遇到的交通拥堵、事故及信号灯故障时有发生,此时需要交警进行现场指挥来疏通道路和维护交通秩序,而快速并准确识别交警的指挥姿势动作在道路疏通和交通秩序维护等方面显得及其重要。当前基于视频的交警指挥动作识别的相关研究比较少且有一定的局限性,因此,本文提出了一种基于视频序列的、并借助OpenCV视觉库进行交警指挥姿势动作识别的方法。本文的具体研究内容如下:(1)视频序列中交警的检测方法。针对传统的交警检测方法大多计算量大、检测精度受样本的噪声和背景复杂度影响较大的问题,并结合交警自身服装特点,提出一种基于色域筛选的交警检测方法。首先进行彩色图片增强,减少因亮度问题带来的误差;然后利用R、G、B三个颜色通道对交警图片进行色域初筛选,过滤掉非目标颜色的物体;最后对其可进行暗通道处理,选取一定阈值的暗通道结果,即为有交警的图像。(2)交警手势序列帧预处理和视频动作分段的方法。首先对交警指挥视频进行了时域抽样处理,得到了冗余帧数减少的交警指挥视频;然后对每一帧进行预处理,获得噪声得到抑制的归一化序列;最后对整个交警指挥视频进行动作分段处理,通过运动轨迹取极值法获得只包含一种交警手势信号的多个子视频,为后续动作特征提取和识别减少了一定的运算量。(3)交警动态肢体轮廓特征提取。针对传统检测算法容易受到背景环境及光照影响,提取结果中噪点较多、轮廓不完整问题,引入了动态区域边缘点保留法进行改进。而该方法提取的轮廓边缘处存在断裂带和不清晰部分,故提出了动态边缘点整合的方法进行填充。实验发现改进方法能够获得较为精确的边缘轮廓图。(4)交警指挥姿势动作分类识别。针对交警视频样本较小和其手势动作种类少的特点,选取了基于DTW的模板匹配法进行动作的分类识别。实验测试了 DTW算法构建标准动作模板所选取的不同方法而得到的不同动作识别时间和识别率,发现两者识别时间几乎一样。验证了动作复杂度越大,两种方法的识别时间越长,方法一的识别率越低,方法二的识别率与动作复杂度相关性较弱;方法一的平均识别率更高,达到89.50%,方法二仅为84.13%。这些在今后使用DTW算法过程中建立标准模板库方法选择上具有一定的指导意义。本文所有的实验均借助OpenCV4.0.0、Visual Stidio 2017软件,通过C++编程实现的,使用了自己建立的交警指挥姿势动作集对本文方法进行了验证,通过与传统方法的对比,验证了改进方法的实时性和准确性。