1.一种智能家庭娱乐系统手势指令识别方法，其特征在于：利用佳点集遗传算法增加粒子多样性实现手势跟踪，所述方法包括以下步骤：步骤A：建立智能家庭娱乐系统手势指令识别模型，通过摄像头采集图像，检测图像中的手势，从视频中进行分割；

步骤B：根据手势指令识别系统状态的先验概率密度分布产生粒子，通过调整粒子的权值近似后验概率密度分布，实现手势跟踪；

所述步骤B包括：

(1)手势指令识别系统第k个时刻的状态方程为xk＝fk(xk‑1‑uk‑1)，量测方程为zk＝gk(xk‑vk)，其中，xk是状态值，zk是量测值，uk是状态转移噪声，vk是量测噪声，Z＝{z1,…,zk}是量测值的集合，给定手势指令识别系统状态的先验概率密度的初始值p(x0)，若第k‑1个时刻在Z已知的条件下xk的概率密度为p(xk|Z)，则：p(xk|Zk‑1)＝∫p(xk|xk‑1,Z)p(xk‑1|Z)dxk‑1p(xk|Z)＝p(zk|xk)p(xk|Zk‑1)其中，p(xk|xk‑1,Z)是系统状态量测值的相似度，p(xk|Zk‑1)为先验概率，p(xk|Z)为后验概率，根据先验概率得到样本集合{s1,…,sN}，N是样本数量；

(2)系统状态的后验概率密度的粒子集为 N为粒子数量，则后验概率为：

其中， 是第i个粒子第k时刻的权值，δ是狄拉克函数，权值递推方法为：归一化权值，使得 经过多次迭代递推后，得到k时刻的粒子集合，从而估计k时刻的位置：其中，si是第i个样本；

步骤C：通过自适应佳点集遗传算法增加粒子的多样性并扩大粒子的分布区域，避免了粒子的退化；

所述步骤C包括：

(1)通过自适应佳点集遗传算法对粒子空间进行选择、交叉和变异操作，生成新一代更适应接近真实状态的粒子空间，将粒子作为种群，选择两个群体进行佳点交叉操作，N是种群数量，选取 形成集合Q，设定集合R＝{x1,…,x,…,xN}， i不属于集合Q，则佳点交叉的子代属于集合R，将集合R的m个粒子组成m维立方体，在m维空间中作含n个点的佳点集：在n个后代中选择适应值最大的粒子，适应度函数为：其中，f(x)是目标函数，gi(x)是第i个约束条件，t是约束条件的个数；

(2)通过轮盘法随机选取两个粒子进行佳点集交叉，用变异算子对其进行变异操作：其中，是扰动幅值参数，σ是满足高斯分布的随机变量，计算交叉、变异的后代的适应值，将适应值小于设定阈值的粒子去除，剩余粒子继续进行迭代，直至迭代K次，选取第K代粒子中适应值最大的粒子，从而保证粒子空间的多样性，避免粒子退化；

步骤D：通过像素梯度提取手势指令特征向量，与训练样本匹配分类，完成智能家庭娱乐系统手势指令识别。