本发明涉及手势分割识别算法技术领域，具体的说是一种分类识别性能较好，且对测试对象数据具有更好的泛化能力的基于毫米波雷达的手势分割与识别算法，首先对实时动作流数据进行滑窗分批处理，然后根据分批后实时数据的手势标签输出概率分布完成实时数据的时间状态区间划定；除此之外，还构建了较二维图像格式手势数据更丰富的三维视频格式的手势数据，并搭建了基于三维卷积的神经网络模型对三维视频格式手势数据进行分类识别，本发明相比于传统的手势识别技术，本发明采用了滑窗算法和三维卷积神经网络，能够处理连续手势信号，对不同手势进行识别和分割，充分利用时间信息，解决了传统手势识别技术只能识别单手势的问题。