موثرترین روش ارتباط افراد ناشنوا با ناشنوایان دیگر و همچنین افراد عادی زبان اشاره است. اما معمولاً اغلب افراد غیر ناشنوا با این زبان آشنایی نداشته و به خصوص در مواقع ضروری قادر به ارتباط با این افراد نیستند. بنابراین طراحی یک سیستم مترجم زبان اشاره به زبان های طبیعی لازم به نظر می‏رسد. اشارات موجود در زبان اشاره را می‏توان به دو دسته تقسیم کرد. یک دسته اشاراتی هستند که برای معادل سازی حروف الفبای نوشتاری و صداهای موجود در زبان ابداع شده‏اند و با نام الفبای دستی شناخته می ‏شوند. این دسته از اشارات معمولاً به ‏وسیله حالت دست مشخص می‏شوند و به همین علت به آن‏ها اشارات ایستا نیز گفته می‏شود. دسته دیگر اشاراتی هستند که بیانگر یک مفهوم خاص، مانند خوردن و آشامیدن، می‏باشند. در این دسته از اشارات محل قرار گرفتن دست نسبت به بدن و حرکت آن نیز اهمیت دارد که به همین علت به آن‏ها اشارات پویا گفته می‏شود. با توجه به اهمیت اشارات ایستا در یک سیستم بازشناسی زبان اشاره و نقش عمده آن‏ها در الفبای دستی که پایه زبان اشاره می‏باشد، به بررسی بازشناسی علائم ایستای زبان اشاره فارسی خواهیم پرداخت. در این پایان‏نامه روش‏های استخراج ویژگی مختلفی از جمله روش‏های خطی و غیر خطی (مبتنی بر کرنل) بررسی شده‏اند. علاوه بر این کارایی روش‏های بررسی شده برای استفاده در کاربرد‏های بهنگام مورد ارزیابی قرار گرفته است و همچنین برای کاهش هزینه محاسباتی، یک روش هیبرید مبتنی بر روش‏های خطی و غیر خطی کرنلی پیشنهاد می‏شود. نتایج شبیه‏سازی کارایی این روش را در کاهش زمان و بهبود نرخ بازشناسی نشان می‏دهد. در این پایان‏نامه از طبقه‏بند‏های کمترین فاصله، شبکه عصبی و ماشین بردار پشتیبان برای محاسبه نرخ بازشناسی استفاده شده است.