摘要：为了提高动态手势学习训练速度和识别准确率,本文提出一种基于粒子群优化BP神经网络的动态手势识别方法。首先基于自然人机交互需要,定义一套基于机器视觉的动态手势模型;在获取指尖运动轨迹的基础上,提取动态手势的特征向量作为神经网络的输入;利用改进的PSO算法训练BP神经网络,得到神经网络的权值和阈值;最后利用训练过的神经网络识别基于机器视觉的动态手势。测试结果表明：改进的PSO算法能够提高神经网络训练速度和精度,进而提高动态手势识别准确率。

关键词：机器视觉 bp神经网络 动态手势识别 粒子群 

单位：科技大学中山学院计算机工程系 广东中山528402