زبان اشاره اصلی‏ترین راه ارتباطی افراد ناشنوا با یکدیگر می‏باشد. فراهم‏کردن ابزاری جهت ترجمه‏ی این زبان به متن یا گفتار، سایر افراد را قادر می‎سازد تا بتوانند با ناشنوایان ارتباط برقرار نمایند. علائم موجود در زبان اشاره به دو دسته‏ی ثابت و پویا تقسیم می‏شوند. دسته‏ی اول شامل حروف الفبای هر زبان می‏باشد که توسط حالت دست مشخص می‏شوند. در حالی که هر کدام از علائم موجود در دسته‏ی دوم بیانگر مفهومی خاص می‏باشد. این دسته از علائم توسط موقعیت دست نسبت به بدن و چگونگی حرکت دست حین اجرای علامت مشخص می‎شوند. البته حالت چهره و سرنیز ممکن است در انتقال بعضی از مفاهیم مورد استفاده قرار گیرد. با توجه به اهمیت علائم پویا در زبان اشاره و فقدان پژوهش در زمینه‏ی بازشناسی علائم پویای زبان اشاره‏ی فارسی، در این پایان‏نامه به بازشناسی این علائم خواهیم پرداخت. بدین منظور با استفاده از روش های دنبال‏کردن دست، علائم پویا به یک تصویر تبدیل می‏شوند. که به کمک روش‏های‏ استخراج ویژگی خطی و غیر خطی ویژگیهای لازم از این تصاویر ثابت استخراج می‏شوند. به‏منظور دستیابی به بیشترین نرخ بازشناسی ترکیب‏های متفاوتی از روش‏های دنبال‏کردن دست و استخراج‏ویژگی به همراه طبقه‏بندهای مختلف شبیه‏سازی شده و بر بانک داده ایجاده مورد آزمایش قرار گرفته‏اند. نتایج شبیه‏سازی حداکثر نرخ ‏شناسایی% 96/33 را نشان می‏دهد.