本文论述了无人驾驶车辆车载计算机视觉系统对车辆指挥员手势指令的识别技术研究与实现。通过多目标检测和关键点检测技术寻找人脸和手部的基础上,通过人脸的关键点比较来完成人脸识别,根据多个部位的位置信息,与约定好的规则进行对比,从而对人物所表达的信息做出解读。为下一步的动作意图,以及3D建模表示提供参考。人体关键点检测技术结合了图像处理与分析技术,计算机视觉以及人工智能等多门学科,在军事,智能安防,文化娱乐等领域具有较高的使用价值,目前,可以说是一个应用非常广泛的技术,发展前景非常的巨大。本文在深入了解人脸识别算法、姿态检测算法以及手势识别算法的基础上,将三大算法相结合,接着通过优化算法结构,成功实现了在识别人脸的情况下,对授权人的姿态进行分析,从而解读出该授权人所要表达的手势含义。文章主要从传统的基于规则的检测算法开始,到基于深度学习的检测算法对手势识别算法的技术展开研究。对于人脸识别算法。首先分析了传统的图像预处理技术,然后研究了常用的HAAR特征提取法和HOG特征提取法。随后研究了基于卷积神经网络的人脸识别算法,并通过仿真实现算法,并应用到实际的手势识别中。基于深度学习的关键点检测。首先介绍了卷积神经网络的基本理论以及目前该领域内的一些经典算法,并对一些算法进行分析。然后,重点分析了深度学习框架中的Open Pose算法。并对Open Pose算法进行了测试与改进,使其应用在手部追踪中。基于位置和角度的手势识别算法。将基于人脸相对位置的手势定位算法与基于前缀树的命令分析树相结合,成功运用到手势识别算法中。