Dengan berkembangnya teknologi, pengetahuan mengenai pengenalan gerak-isyarat tangan menjadi lebih berkembang. Teknologi tersebut dibutuhkan untuk mengatasi masalah komunikasi yang terjadi di masyarakat, sekaligus sebagai sarana edukasi bagi masyarakat agar dapat berinteraksi dengan para disabilitas, terutama tunarungu. Penelitian ini bertujuan untuk membuat sistem pengenalan gerak-isyarat tangan dengan performansi yang baik.
Langkah dimulai dengan proses yang dinamakan pre-processing, dimana citra tangan yang telah diambil dipisahkan antara bagian foreground dan background. Metode yang digunakan pada penelitian ini adalah Discrete Wavelet Transform (DWT) sebagai pengekstraksi ciri dari tangan. Bagian foreground ditransformasikan, yang dimana citra tersebut dibagi berdasarkan frekuensi sesuai dengan tingkat kuantisasinya. Satu citra akan dijadikan empat bagian, yaitu sub-band Low-Low, Low-High, High-Low dan High-High. Citra yang diambil biasanya pada sub-band Low-Low. Citra yang telah ditransformasi kemudian diklasifikasikan menggunakan Deep Neural Networks (DNNs).
Dari penelitian ini diperoleh suatu sistem pengenalan gestur tangan yang memiliki tingkat akurasi tertinggi pada 100% untuk dataset A dan 90% untuk dataset B. Jumlah data latih dan data uji yang digunakan masing-masing sebanyak 400 citra data latih dan 100 citra data uji yang terdiri atas lima kelas gerak-isyarat yaitu kelas A, B, C, #5, dan pointing.