潜水员是一项危险又重要的工作。他们会在低温高压的环境中从事生物探查地形勘察、建筑等作业。在海底200米以下,潜水员受到的压力是陆地的20倍,因此潜水员的身体状况及工作效率备受考验。随着海洋机器人技术及人工智能的发展,大量的海洋机器人开始协助潜水员工作。手语也成为潜水员与海洋机器人进行信息交互的主要方式。因而机器人能够快速理解潜水员的手语动作,对于协助潜水员工作有重要的意义。为实现潜水员手语识别,本文首先对潜水员手套位置进行识别,提取手语图像,然后将手语图像与手语库比对,实现潜水员手语识别。潜水员手语集采用开源数据集CADDY Underwater Gestures Dataset(CUGD)。本文从CUGD数据集中选择36个手语动作,由于部分手语动作样本过少,本文采用生成对抗网络进行数据增强,补充部分手语样本。为生成高清手语图像,本文采用基于逐步增长的生成对抗网络训练方法,有效地解决了生成对抗网络中高清样本生成困难的问题。实验结果表明生成对抗网络能够生成清晰的生成潜水员手语图像,并大大扩充了实验样本数目。在手语识别过程中,为了降低手语比对的工作量及深度学习模型训练难度,本文首先使用Mask R-CNN算法对潜水员手语位置进行提取,Mask R-CNN算法能够通过潜水员手套的关键点获取潜水员手套图像外轮廓,进而提取手语图像兴趣区域。然后通过孪生神经网络建立手语识别库,将目标手语与手语识别库中的手语进行比对,得出具体的手语语义。基于孪生神经网络的手语比对方法不仅具有高度的准确性,也具有可扩展性,方便潜水员对手语进行拓展、修改,以适应更为复杂的水下工作。实验表明,Mask R-CNN算法能够准确地预测潜水员手套外边框,基于孪生神经网络的手语比对方法识别准确率达到标准分类器VGG水平,能够胜任手语语义识别工作。本文实现了基于深度学习的潜水员手语预测算法,海洋机器人系统能够有效准确地识别潜水员的手语动作。该算法有助于实现海洋机器人系统智能控制和协助工作。