Представлена онтологическая модель распознавания жестов рук оператора, основанная на методе скелетизации кистей рук библиотеки MediaPipe Hands и авторском способе когнитивной трансформации состояний пальцев по ключевым точкам скелетизации в бинарный код с последующей его конвертацией в цифровой сигнал управления. Модель системы включает этапы предобработки видеокадра, скелетизации кисти, анализа координат ключевых точек, бинарного кодирования состояний пальцев и формирования итогового десятичного управляющего сигнала. Улучшение технических и методологических характеристик системы достигается за счет явного задания причинно-следственных связей между объектами и процессами в онтологии, а также применения четких правил бинарного кодирования. Разработанный интерфейс распознавания жестов обеспечивает точность 98% в нормальных условиях и не ниже 94% в условиях шума и низкой освещенности (50 лм и менее люкс) при среднем времени отклика 0.5 с, превосходя базовые методы на основе известных библиотек OpenCV и TensorFlow.