Issn 2091-5446 ilmiy axborotnoma научный вестник scientific journal

Ключевые слова: SIFT, распознавание узбекского жестового языка, SVM, k-NN, LDA, 
классификация.
Introduction 
For thousands of years, sign languages are the default communication languages between deaf 
people. These languages have been used to successfully teach generations of deaf children. However, a 

---

ILMIY AXBOROTNOMA

INFORMATIKA

2021 - yil, 1 - son 
108 
communication gap between deaf and nondeaf people is obvious. This is because the normal people find it 
difficult to learn and comprehend sign languages [1–3]. 
A sign language is a collection of gestures, movements, postures, and facial expressions 
corresponding to letters and words in natural languages. So, there should be a way for the non-deaf people 
to recognize the deaf language (i.e. sign language). Such process is known as a sign language recognition. 
The aim of the sign language recognition is to provide an accurate and convenient mechanism to transcribe 
sign gestures into meaningful text or speech so that communication between deaf and hearing society can 
easily be made. To achieve this aim, many proposal attempts are designed to make fully automated systems 
or Human Computer Interaction(HCI) to facilitate interaction between deaf and non-deaf individuals [1, 4]. 
The sign language recognition is mainly based on gesture recognition. There are two main categories 
for gesture recognition glove-based systems and vision-based systems. 
– 
Glove-based systems: In these systems, electromechanical devices are used to collect data about 
deaf’s gestures. With this systems, the deaf person should wear a wired glove connected to a number of 
sensors to collect the gestures of the person’s hand. So, such gestures can be recognized through a computer 
interface. This way gives a good result but it is inconvenient because the user must always carry wired 
sensors (gloves) and this is not natural way to communicate between deaf and non-deaf people [4]. 
– 
Vision-based systems: These systems make image processing and machine learning techniques to 
identify, recognize and interpret hand gestures. Such system can overcome the inconvenience problem of 
gloved-based systems as there is no need for the deaf users to wear any electromechanical devices. In other 
words, vision-based systems are more flexible to use [4].