手语是聋哑人与外界重要的沟通方式之一,手语识别技术是为了解决聋哑人和正常人之间的交流障碍而产生的技术,手语识别运用计算机视觉相关技术将用户执行的手势翻译成词语或句子,手语识别分为孤立词手语识别和连续手语识别,本课题针对连续手语识别进行研究,相比于孤立词手语识别,连续手语识别需要识别出手语动作中的多个手语词,更具挑战性。连续手语识别常采用链接时序分类（Connectionist Temporal Classification,CTC）方法,但是很难将弱监督手语词标签和手语视频片段进行精确定位,并且CTC解码输出的词汇序列时间关联易丢失,针对上述问题,本文结合深度学习相关技术进行了相应的研究,主要工作和创新点如下:为了对齐手语词和相应的视频片段,提出一种基于迭代对齐网络的连续手语识别方法,该方法采用时空残差网络（Spatial Temporal Residual Network,STRN）用于提取块级特征,利用时序卷积模块（Temporal Convolutional Module,TCM）进行块级特征之间的时间增强,使用双向门控循环单元（Bidirectional Gated Recurrent Unit,BGRU）和CTC生成每一个块级特征的伪标签,反过来对迭代对齐网络的STRN和TCM形成一种强监督,优化网络参数,在下一次迭代中基于优化的参数使用CTC学习新的映射关系,形成一种良性的迭代,通过生成单词级别的手语特征精确对齐手语词和相应的视频片段。为了解决CTC解码输出的词汇序列时间关联易丢失的问题,提出基于迭代对齐网络和注意力机制的连续手语识别方法,该方法将迭代对齐网络生成的单词级别的特征输入到编码器中,通过注意力机制进行解码,由于添加了注意力机制,在对齐的基础上同时充分考虑了各个块级特征之间的时间关联,加强了手语词汇之间的长时时空特征联系。本文在德国手语数据集（RWTH-Weather-Phoenix 2014 Multisigner）和中国手语数据集（CSL）上进行了评估实验,并且和当前主流的手语识别方法进行了对比,实验结果证明了本文方法的优越性。