1.一种应用于复杂背景场景的快速运动手势识别方法，其特征在于包括下述步骤：(1)训练神经网络：

1.1从视频库中获取一段手势动作帧序列，假设总帧数为n；

1.2获取第i帧图像Ii转换为YCrCb色彩模型，对原图像每个像素点，执行以下公式运算，得到每个像素点的Y、Cr、Cb通道值：其中R、G、B分别表示像素点的红绿蓝通道值；

1.3在YCrCb模式下的图像Ii去掉Y通道内容，以Cr通道信息为主，Cb通道信息为辅，把Cr，Cb通道合并为一个通道图像Iig，公式如下值：Iig＝α*Cr+(1-α)*Cb

其中α＝0.92；

1.4通过以下公式计算出图像Iig的均值μig和方差σig：

1.5参照一维正态分布的概率密度分布表，得到在[μ-2.96，μ+2.9δ]范围内的概率非常接近1，将像素值处于该范围内的像素点看作肤色点，执行以下公式把图像变成灰度图像Iib：

1.6如果第i帧是最后一帧，则执行步骤1.7，否则，则i＝i+1，跳转到步骤1.2；

1.7对所有灰度图像Iib执行通道求和操作，得到求和图像Ib；

1.8把图像Ib输入到深度置信网络中进行训练，输入下个视频，跳转到步骤1.1；

1.9对训练库里的所有视频执行步骤1.1-1.7后，得到训练好的神经网络；

(2)手势判断：

2.1通过摄像头拍摄获取到一段手势动作帧序列，假设总帧数为n；

2.2执行训练神经网络步骤中的1.2-1.7步骤，得到图像S；

2.3把图像S输入到训练好的深度置信网络中，判断出输入的手势动作属性什么类型手势；

2.4输出结果，进行相应手势操作。

2.根据权利要求1所述的应用于复杂背景场景的快速运动手势识别方法，其特征在于：在步骤1.1和步骤1.2之间对图像Ii进项中值滤波去噪操作，提高鲁棒性。

3.根据权利要求1所述的应用于复杂背景场景的快速运动手势识别方法，其特征在于：所述步骤1.3中α值根据1000张图像测试得到。