于海鹏，李 博，王旭辉

(河南工程学院 计算机学院， 河南 郑州 451191)

随着人工神经网络和计算机视觉分析技术的发展，可融合人工智能算法构建计算机视觉下的动态手势识别模型，通过图像特征分析和动作特征三维重构实现动态手势识别，并将动态手势识别算法应用在体育运动训练及机器人设计等领域。在多帧视觉成像环境下，受到环境扰动和视觉参数多维性因素的影响，多帧视频序列中动态手势识别的智能性不好，故研究多帧视频序列中动态手势识别方法，在提高机器视觉和计算机视觉下的多帧视频序列特征检测和分析的准确性中具有重要意义[1]。

多帧视频序列中动态手势识别建立在机器视觉和计算机图像分析基础上，在人机交互条件下，可实现对多帧视频序列中动态手势的跟踪识别[2]。对多帧视频序列中动态手势识别的传统方法主要有模糊检测方法、Harris角点识别方法和小波识别方法等[3-4]。文献[5]提出了基于自适应后验分割模型的多帧视频序列中动态手势识别方法，采用插值拟合实现了多帧视频序列中动态手势动态识别，但该方法的自适应性不好、模糊度较大。文献[6]提出了基于Harris角点参数检测的多帧视频序列中动态手势识别方法，通过人机交互手势特征分析，结合Harris角点检测和特征分割，实现了多帧视频序列中动态手势识别，但该方法的精度不高。

针对上述问题，本研究提出了基于卷积神经网络视觉融合的动态手势识别方法。……