ارتباط انسان با رایانه در محیط مجازی به بررسی وضعیتهای گوناگونی از حالات بدن انسان بستگی دارد. در هنگام ارائه یک مدل کارا برای ارتباطات، تعامل، یادگیری و آموزش، سیستمهای محیط مجازی با چالشهای زیادی روبرو می شوند، زیرا شامل انواع بسیار زیادی از روش های نمایش و تعامل هستند. برای دستیابی به یک سیستم تعامل با رایانه طبیعی، دست انسان می تواند به عنوان یک ابزار ورود اطلاعات به رایانه در نظر گرفته شود. حالات اشاره دست یک روش بسیار قدرتمند برای ارتباط انسانها با یکدیگر محسوب می گردد. اشاره دست در مقایسه با ابزارهای سنتی تعامل انسان با رایانه، برای استفاده در یک محیط مجازی سه بعدی، بسیار جذابتر است.حالات دست به دو دسته تقسیم می گردند. حالات ایستا که شامل یک موقعیت و شکل خاص از دست است و با یک تصویر نمایش داده می شوند و حالات پویا که شامل یک حالت در حال حرکت است و با یک دنباله از تصاویر مشخص می گردند. در این پژوهش تمرکز ما روی تشخیص حالات ایستای دست بوده است و تلاش شده تا در مجموعه ای از ?? کلاس مختلف دست، حالت نمایش داده شده را تشخیص دهیم. ابتدا یک مجموعه متشکل از ??? تصویر از ?? حالت مختلف دست، که از حروف الفبای اشاره امریکایی هستند، تهیه شده است. تمامی عکس های این مجموعه دارای پس زمینه تیره رنگ هستند. از این مجموعه ??? عدد برای آموزش و ??? عدد برای آزمون سیستم انتخاب شده اند. اگرچه این پژوهش به یافتن روشی کارامد برای تشخیص ?? حالت دست محدود می شود، سعی کرده ایم با استفاده از روش های معمول در بینایی ماشین، چارچوبی نرم افزاری را برای کاربرد واقعی سیستم در محیط واقعی نیز توسعه دهیم. نتایج آزمون سیستم نشان داد که این سیستم قادر است با استفاده از آموزش طبقه بند svm با هسته خطی توسط ?? حالت مختلف از هر یک ?? حالت دست، روی مجموعه ای از ??? تصویر جدید با خطای کمتر از ?% حالات دست را به درستی تشخیص دهد. این نتایج نشان می دهند که بیشترین خطای سیستم زمانی رخ می دهد که حالات دست به یکدیگر بسیار شبیه باشند. در نتیجه برای بهبود نتایج، باید از روش هایی استفاده کرد که استخراج ویژگی هایی متمایزکننده بیشتری را پیشنهاد می کنند.