Las firmas manuscritas se han utilizado tradicionalmente como una forma común de reconocimiento y autenticación en tareas como transacciones financieras y autenticación de documentos. Sin embargo, hay pocos estudios sobre lenguas minoritarias como el uigur y el kazajo utilizados en Xinjiang, China, y no hay conjuntos de datos públicos disponibles para estos guiones, que son ampliamente utilizados en la banca y otros campos. Por lo tanto, este artículo aborda este problema construyendo un conjunto de datos que contiene lenguas uigur, kazaja y han, y presenta un enfoque automático de reconocimiento de firmas manuscritas basado en conjuntos de datos uigur, kazajo, han y públicos. En el artículo, se propuso un método de reconocimiento de firmas manuscritas que combina características de máxima ocurrencia local (LOMO) y características de histograma de gradientes orientados (HOG). Las características LOMO utilizan una ventana deslizante para representar las características locales de la imagen de la firma. Las características de alta dimensión formadas por la combinación de estos métodos se reducen dimensionalmente mediante análisis de componentes principales (PCA). La clasificación se realiza utilizando vecinos más cercanos (k-NN), y se compara con el método de bosque aleatorio. El método propuesto logró una tasa de reconocimiento del 98.4% utilizando una base de datos de firmas diversa en comparación con los métodos existentes. Esto muestra que el método fue efectivo y puede aplicarse a grandes conjuntos de datos de firmas multilingües y mixtas.