近些年,驾驶辅助系统及无人驾驶技术逐渐兴起,成为研究热点。其中,交警指挥手势识别作为关键技术,受到了研究者的广泛关注。尤其是交警指挥手势实时识别算法的研究,具有重要价值。视频数据不仅承载了静态图像中空间维度的信息,还承载了时间维度的特征信息。因此可以利用帧间运动特征与单帧静态图像空间、颜色、纹理等多种特征融合的方式,提取视频数据中的时空信息,用于交警指挥手势识别。本文设计了一种基于帧间运动特征与多特征融合的交警指挥手势实时识别算法,主要研究内容如下:（1）针对目前交警指挥手势识别领域尚无开源数据库的问题,结合交警指挥手势信号的特点和对其进行识别的任务需求,建立一个包含剪辑视频和未剪辑视频的交警指挥手势视频数据集,用于支持后续识别算法的研究。（2）针对交警指挥手势信号不同视角下相似度高、不易区分以及在实际应用中交警指挥手势不标准的问题,本文选取光流引导特征（Optical Flow guided Feature,OFF）对帧间运动进行描述,从时间维度对帧间运动信息进行描述;从单帧静态图像提取颜色、纹理等静态特征,从空间维度对人物、场景等信息进行描述,提升模型区分不同指挥手势信号的能力。此外,为提升模型对长时间运动信息建模的能力,本文设计了OFF-TSN网络模型,进而利用整个剪辑视频级别的特征,对交警指挥手势进行识别。实验表明,针对交警指挥手势识别任务,OFF-TSN网络模型能够在剪辑视频级别有效提取时空特征并用于识别,模型在自建交警指挥手势剪辑视频数据集上的测试中达到了93.4%的识别率和206 FPS的识别速度,具有良好的性能。（3）本文在OFF-TSN网络模型的基础上,设计了交警指挥手势实时识别算法。针对多尺度滑动窗口采样带来大量数据造成的延迟和漏检问题,本文采用基于SSD的目标检测算法对实时视频中是否存在交警进行检测,控制采样的起止时间;并设计了基于OFF-TSN网络模型的过滤网络,用于过滤缺少手势信息的采样片段。针对指挥手势在实时输入视频中的定位和识别问题,设计了基于OFF-TSN网络模型的定位识别网络,通过改进OFF-TSN网络模型的损失函数,使网络能够对指挥手势信号的完整性做出判断。最后,将定位识别网络与检测采样算法相结合,实现对指挥手势的定位和识别。本文设计的交警指挥手势实时识别算法在自建指挥手势未剪辑视频数据集上的测试中,识别结果与真实标签的归一化Levenshtein距离为0.872,识别速度为26.8 FPS,实现了对交警指挥手势的实时识别。