1.手语的视觉语义-结构化解析方法，其特征在于，所述方法包括以下步骤：

步骤1，对手语图像采用视觉选择性注意模型Itti生成相应的手语显著图；

步骤2，在所述手语显著图中选取灰度最大的像素作为第1个种子点，依次计算与第1个种子点距离符合种子点距离阈值的第2个种子点，以及与第2个种子点距离符合种子点距离阈值的第3个种子点，直到得到22个种子点，得到的22个种子点构成视觉焦点种子集；

步骤3，对所述视觉焦点种子集中的种子点进行优化，得到优化后的视觉焦点种子集；

步骤4，将手语图像从RGB颜色空间转换到CIE-lab颜色空间，每个像素由其颜色值(l,a,b)和坐标(x,y)组成一个5维向量(l,a,b,x,y)，取步骤3得到的22个优化后的视觉焦点种子作为初始种子点，每块超像素的边长为种子点距离阈值，用简单线性迭代聚类计算，进行区域增长，获得手语语义超像素，每个语义超像素均对应辨识函数划分中的一个子手语；

步骤5，对所述子手语进行结构性细化，得到细化子手语。

2.如权利要求1所述的手语的视觉语义-结构化解析方法，其特征在于，步骤1包括：

用c∈{2,3,4}代表中心信息尺度，s＝c+δ(δ∈{3,4})代表周边背景信息的图像尺度，表示亮度， 表示颜色，表示方向：其中，I＝(r+g+b)/3，I(c,s)＝|I(c)ΘI(s)|，r,g,b分别表示图像红、绿、蓝三个通道的值，⊕表示将每张图缩到尺度4后点对点相加，Θ表示通过将代表周边背景信息的较小尺度的图像进行线性插值，使之与代表中心信息的较大尺度的图像具有相同大小，然后进行点对点的减操作，即中央周边差操作；

其中，R＝r-(g+b)/2，G＝g-(r+b)/2，B＝b-(r+g)/2，Y＝(r+g)/2-|r-g|/2-b，RG(c,s)＝|(R(c)-G(c))Θ(G(s)-R(s))，BY(c,s)＝|(B(c)-Y(c))Θ(Y(s)-B(s))，其中，采用方向Gabor金字塔O(σ,θ)得到局部方向信息，其中σ∈[0,8]表示尺度，θ∈{0°,45°,90°,135°}表示方向，方向特征图为O(c,s,θ)＝|O(c,θ)ΘO(s,θ)|，经过归一化后，求和得到手语显著图S：

3.如权利要求1所述的手语的视觉语义-结构化解析方法，其特征在于，步骤3中对视觉焦点种子集进行优化的方法为：求手语显著图S的平均显著度

计算手语显著图中所有像素按灰度值从大到小排序的集合S’中大于 的像素数T’；

从1至T’按间隔T′/22依次获取视觉焦点种子seed(i)。

4.如权利要求1所述的手语的视觉语义-结构化解析方法，其特征在于，步骤5中所述细化子手语Thi表示为：其中，sp＝{spi|i＝1...22}是去除背景的语义超像素集合，手语语义ψ的手势图像中，食指和中指细化的单像素表示骨骼，而其它手指和手掌的共同区域被简化为fpalm，V′＝{v′i∈S′,i＝1...22}为优化后的视觉焦点种子集中的种子点；

得到结构性细化的结果后，利用归一化函数N′(H,rect(sp))将超像素sp缩放到与手的解剖结构大小一致，其中rect(sp)＝minArearect(sp)，表示sp的最小外接矩形，H为手的解剖结构定义为H＝{f,z}belimited by{C,R}，f为节点集合，z为骨节集合，C和R分别为从解剖学定义上对zij之间的连接关系和旋转角度的限制。