在城市轨道交通飞速发展的今天,要保证列车安全运行,关键不仅在于对轨道交通系统中基础设施病害的及时检修,相关核心工作人员如列车司机的专业性和机动性也尤为重要。司机能否在列车到站、出发、关门等重要节点做出正确手势是衡量司机工作态度和质量的重要标准。不正确的手势判断将直接威胁列车运行安全,因此对司机手势动作的监控识别十分重要。然而目前该工作主要依赖人工完成,不仅效率低下,而且造成人力资源浪费。因此需基于列车司机室监控视频探索出一种自动化的识别方法,以实现对司机手势动作的准确和快速识别,从而帮助列车安全高效运行。目前在视频监控和行为识别领域,研究对象多针对人的整体行为,未对动作的关键部位进行精细化拆分研究。本文基于北京地铁的实际运行情况,以司机室监控视频中司机的手势动作为研究对象,对以下三种手势识别方法进行了分析和讨论:（1）基于改进核相关滤波算法（Kernel Correlation Filtering,KCF）的司机手势识别。此方法将目标跟踪理论用于手势识别,以传统核相关滤波跟踪算法为基础。根据手势动作的特点对算法进行优化和改进以实现对司机手部的跟踪,依照手部运动轨迹和坐标识别司机手势,研究结果表明该法识别速度尚可但准确率偏低。（2）基于密集轨迹（Dense Trajectory）和费舍尔向量（Fisher Vector）编码技术的司机手势识别。针对前述目标跟踪方法中识别准确率较低的问题,此方法另辟蹊径,对包含司机手势动作的视频片段进行特征点采样,将无效采样点剔除后,以采样点在连续视频帧上形成的轨迹为基础,提取时空特征。再借助混合高斯模型和费舍尔编码技术完成手势的识别。实验表明,该方法在识别准确率上得到较大提升,但牺牲了识别速度。（3）基于区域三维卷积神经网络（Region Convolutional 3D Network,R-C3D）的司机手势识别。针对上述两种方法不可兼顾识别准确率和识别速度,且研究对象为仅包含单个手势动作的简单视频片段这一弊端。从深度学习的角度出发,借助RC3D网络中的特征提取子网络、时序提议子网络和行为分类子网络,通过网络训练、优化和调整,不仅以较高的识别准确率完成对司机手势的识别,还能够以极快的速度定位手势动作,这对于司机手势识别技术的实际运用有着重要意义。通过以上研究,本文预期获得的研究成果为:针对包含多个手势动作的视频,运用R-C3D网络模型不仅能够实现手势的快速准确识别,还能够对各个手势动作的起始时间精确预测。这一研究结论丰富了轨道交通视频监控和行为识别领域的相关理论,在实践意义上,对于实现自动化的城轨列车司机手势动作的识别和监控发挥着重要的作用。正文图55张,表13个,参考文献83篇。