إن اعتراف الإشارة التلقائي (SLR) يُعد موضوعًا مهمًا في مجالات التفاعل بين الإنسان والحاسوب والتعلم الآلي. من ناحية، يمثل تحديًا معقدًا يتطلب تدخلًا من مجالات معرفية مختلفة، مثل معالجة الفيديو، ومعالجة الصور، والنظم الذكية، واللغويات. ومن ناحية أخرى، يمكن أن يسهم الاعتراف القوي بالإشارة في تسهيل عملية الترجمة، ودمج ذوي الإعاقات السمعية، فضلًا عن تعليم لغة الإشارة للأشخاص السمعيين.تُستخدم أنظمة اعتراف الإشارة عادةً نماذج مثل النماذج المخفية ماركوف (HMM) أو تقنيات التمديد الزمني الديناميكي (DTW) أو نماذج مشابهة لتحديد الإشارات. وتعتمد هذه التقنيات على الترتيب التسلسلي للإطارات (Frames) لتقليل عدد الافتراضات الممكنة. ويقدم هذا البحث نموذجًا احتماليًا عامًا لتصنيف الإشارات، يجمع بين مصنفات فرعية تعتمد على أنواع مختلفة من السمات، مثل الموقع، والحركة، وشكل اليد. ويستخدم النموذج نهج "حقيبة الكلمات" (Bag-of-Words) في جميع مراحل التصنيف، بهدف اختبار الفرضية القائلة بأن الترتيب ليس ضروريًا للاعتراف بالإشارة. وقد حقق النموذج المقترح معدل دقة بلغ 97٪ على مجموعة بيانات لغة الإشارة الأرجنتينية، تتضمن 64 فئة من الإشارات و3200 عينة، مما يوفر بعض الأدلة على إمكانية الاعتراف بالإشارة دون الحاجة إلى الاعتماد على الترتيب.