近年来,无人驾驶技术的研究热度一直居高不下。为了顺应互联网科技的发展浪潮,许多学者投入到了交警手势识别的研究中。目前,常用的交通指挥方式主要包括固定式的交通信号指挥和交警手势指挥。随着无人驾驶技术的日益成熟,无人驾驶汽车不仅需要具备辨别固定式的交通信号的能力,还需对复杂的交警手势及时作出响应和处理。本文在现有研究的基础上,对交警手势的检测和识别方法进行了深入探索,采用OpenCV库函数、手势检测算法和神经网络算法完成了交警手势的识别任务并实现了一套交警动态手势识别系统。论文的主要研究工作如下:(1)采用多种传统的手势检测技术对交警手势进行检测,对比了不同的手势分割结果,发现分割后的手势均存在大量伪边缘信息和边缘轮廓断裂的问题,基于上述研究提出了一种手势检测技术结合动态区域边缘点整合算法来实现手势的分割和手势轮廓信息的提取。(2)针对复杂背景和人体运动等非刚性问题的干扰,采用手势检测技术结合动态区域边缘点整合算法实现了手势的分割和手势轮廓信息的提取,同时有效剔除了大量的手势伪边缘信息,改善了提取过程中出现断裂现象严重等问题。实验证明,传统的手势的检测方法结合动态区域边缘点保留法,具有良好的检测效果,同时也能够较好地处理采光环境、手势动作速度不一致和手势姿态不同等带来的识别问题。(3)针对交警的指挥手势识别率低的问题,本文采用BP神经网络和极限学习机实现了交警的手势识别,对比了两者的手势识别结果后,发现极限学习机的识别效果要明显优于BP网络。此外,在传统极限学习机研究的基础上,结合粒子群优化算法对神经网络的极限学习机算法部分进行了改进。实验证明,改进后的算法对交警的手势识别效果有了较明显的提升,具有较高的识别率和运行效率。