1.一种隔空动态手势用户身份认证方法，其步骤为：

步骤一、通过训练确定用户动态手势视频的开始帧与结束帧；

步骤二、采集用户动态手势样本，每个手势采集9个样本，对采集样本数据进行预处理，然后，将每个手势的9个样本以3个为一组合成一个超级模板，获得的超级模板构成模板数据库；

步骤三、采集用户测试样本并进行预处理，然后将测试样本同模板数据库中超级模板运用DTW算法进行匹配，依据匹配结果进行用户身份认证。

2.根据权利要求1所述的一种隔空动态手势用户身份认证方法，其特征在于：使用Kinect传感器采集用户动态手势视频数据，捕获用户全身的骨架，并对骨架25个节点进行标号，所述25个节点为：脊底、脊中、脖子、头盖、左肩、左肘、左手腕、左手、右肩、右肘、右手腕、右手、左臀、左膝、左脚踝、左脚、右臀、右膝、右脚踝、右脚、肩膀、左指尖、左拇指、右指尖、右拇指。

3.根据权利要求2所述的一种隔空动态手势用户身份认证方法，其特征在于：步骤一中将采集的动态手势视频以帧为单位将图片和节点位置数据保存起来，分别给左手、右手、双手设置参数，参数设置规则为：如果当前帧为静止，即将该帧标记为“0 0 0”，如果当前帧为左手运动，当前帧被标记为“1 0 0”，如果当前帧为右手运动，当前帧被标记为“0 1 0”，如果当前帧为双手运动，则标记为“1 1 1”，将标记好的样本放入神经网络中进行训练，判断当前帧是运动帧还是静止帧；在此基础上，以前30帧有25帧为静止帧作为运动开始标志，并开始采集数据，同时设置运动过程中出现连续10帧为静止帧作为结束标志。

4.根据权利要求1所述的一种隔空动态手势用户身份认证方法，其特征在于：步骤二和步骤三所述的对采集视频数据进行预处理，包括归一化和平滑去噪；其中，数据归一化的具体处理方法如下：骨架结构的每个节点都有一个3维位置坐标(x,y,z)，设定变量 表示某个动态手势g在时间帧为t第i个节点位置的坐标信息，表示如下：

将每个节点的位置数据减去脊椎节点的位置坐标，得到节点相对位置坐标，表示如下：

最后获取脖子到脊椎的距离，用上述所有的节点相对位置除以该脖子到脊椎的距离，作为归一化的样本数据，设变量 表示某个动态手势g在时间帧为t第i个节点位置的归一化坐标，表示如下：

5.根据权利要求4所述的一种隔空动态手势用户身份认证方法，其特征在于：数据归一化后，再进行光滑去躁处理，光滑去躁以帧为单位，前2帧和最后2帧的数据保持不变，其他帧的数据作如下处理：设定变量Pt表示第t帧的归一化数据，从第三帧开始选取连续5帧节点(Pt-2，Pt-1，Pt，Pt+1，Pt+2)，得到方差：δ＝max(Σ(||pt-1-pt||+||pt-2-pt-1||),∑(||pt+1-pt||+||pt+2-pt+1||))然后，设定一个变量dt表示第t帧与第t-1帧归一化数据的欧式距离：

接着，引进高斯公式，对dt进行处理，高斯公式如下：

平滑去噪处理公式如下：

6.根据权利要求1-5任一项所述的一种隔空动态手势用户身份认证方法，其特征在于：合成超级模板的具体过程为：

将单个动态手势的其中2个样本模板通过DTW匹配，获取最优路径：wr＝(i,j)

其中，i，j分别表示2个样本模板序列的帧数；

然后将2个样本模板在最优路径上取均值，设变量xi表示其中一个样本模板第i帧的25个节点的位置数据，yj表示另一个样本模板第j帧的25个节点的位置数据，sgr表示超级模板第r帧的25个节点的位置数据：

最后，将合成的sgr数据再和第3个样本模板运用上述方法合成最终的超级模板。

7.根据权利要求6所述的一种隔空动态手势用户身份认证方法，其特征在于：步骤三中将测试样本与单个手势的3个超级模板匹配结果的均值作为该手势的匹配结果，再将所有动态手势匹配结果的最小值作为该测试样本的最终匹配结果D[i]；判断D[i]与标准阈值的大小关系，如果D[i]>标准阈值，提示此用户为未授权用户，认证结束；如果D[i]<标准阈值，则判断D[i]与设定阈值的大小关系，如果D[i]<设定阈值，输出认证的用户名，匹配成功，如果D[i]>设定阈值，则认证失败，结束该次认证。

8.根据权利要求7所述的一种隔空动态手势用户身份认证方法，其特征在于：所述的标准阈值，即让所有已注册用户对一个手势做10遍动作，将所有的匹配结果的均值作为已注册用户动态手势的标准阈值。

9.根据权利要求8所述的一种隔空动态手势用户身份认证方法，其特征在于：所述的设定阈值，即对每个注册用户的同一个动态手势采集10个样本数据，并将10个样本数据分别同模板数据库中该手势的3个超级模板进行匹配，取匹配距离的最大值作为该用户动态手势的设定阈值。

10.一种隔空动态手势用户身份认证装置，其特征在于：包括采集模块、数据预处理模块、超级模板合成模块和用户身份认证模块，其中：采集模块，用于采集用户动态手势执行时每一帧全身25个骨节位置数据，将采集数据作为样本数据；

数据预处理模块：用于对采集数据进行预处理，包括归一化和平滑去噪处理；

超级模板合成模块：用于通过超级模板方法将每个动态手势的9个普通模板合成3个超级模板；

用户身份认证模块：将测试样本与超级模板进行DTW匹配，对匹配结果进行认证。