随着科技的发展与人类环保意识的增强,电动汽车行业得到了国家的大力发展,与此同时,辅助驾驶技术以及无人驾驶技术也成为各大汽车厂商的研究热点。交警指挥对于交通拥堵问题有着不可替代的作用,而车载系统能否识别交警指挥动作对于无人驾驶技术具有极其重要的意义。在遇到交通拥堵问题时,交警会对现场车辆进行疏导,此时被疏导的车辆如果具有辨别交警指挥动作的功能以此来辅助驾驶员进行指挥动作识别,不但能提高交通疏导速率,驾驶员的行车安全也能得到了进一步的保障。交警指挥动作识别通过深度学习、计算机视觉、动作识别等技术实现。本文在研究现有交警指挥动作识别基础上,利用骨架信息提取技术与深度学习相关方法,实现了基于深度学习的交警指挥动作识别。论文的主要研究工作如下:将采集的交警指挥动作视频数据集进行预处理,分割出每种指挥动作包含40个子视频的视频数据集。对预处理后的子视频通过Mediapipe算法进行骨架信息提取,该算法具有实时、迅速等特点,提取到的骨架信息包含交警在进行指挥动作时33个骨骼关键点的坐标信息,坐标信息可以反映交警在进行指挥时的动作特征。把提取到的骨骼关键点坐标信息构建为双通道骨架序列数据集,其中x轴的坐标信息与y轴的坐标信息作为输入通道。构建卷积神经网络,运用卷积神经网络对骨架序列数据集进行特征提取,分析实验结果,改进卷积神经网络模型并实现交警指挥动作识别。本文实验基于Pytorch深度学习框架构建卷积神经网络,Open CV视觉库函数进行视频读取,运用Mediapipe库函数进行骨架信息提取,通过Python语言编程实现。