Kimlik doğrulama, modern teknoloji alanında önemli bir görev haline gelmektedir. Bu, bir cihazın bir sistem varlığıyla etkileşimde bulunan bir kullanıcıyı tanıdığını onaylamasına olanak tanıyan bir süreçtir. Bu çalışmada, Leap Motion (LM) cihazı kullanılarak tek elle gerçekleştirilen hareket bazlı kullanıcı kimlik doğrulama üzerine çalışılmıştır. Çalışma el hareketi takip, görüntü karelerinin elde edilmesi, önişlem, öznitelik çıkarımı ve seçimi, boyut indirgeme, sınıflandırma ve doğrulama adımlarından oluşmaktadır. El biyometrisinin benzerlik ve farklılıkları dikkate alınarak hazırlanan 85 özellik belirlenerek 40 kullanıcı tarafından veri kümesi oluşturulmuştur. Bu veri kümesine Pearson Korelasyon Katsayısı (PCC) özellik seçim algoritması ile Doğrusal Ayırım Analizi (LDA) ve Temel Bileşenler Analizi (PCA) boyut indirgeme yöntemleri uygulanarak karşılaştırma analizleri yapılmıştır. Doğrulama başarımı farklı makine öğrenimi algoritma yöntemleri ile test edilmiştir. Önerilen bu sistemin geçerliliği ve elde edilen sonuçların doğruluğunu test etmek için 5 katlamalı çapraz doğrulama yöntemi kullanılmıştır. Biyometrik kimlik doğrulama, en iyi sonuç %96,50 oranı ile çekirdek tabanlı aşırı öğrenme makinesi (K-ELM) yaklaşımı ile elde edilmiştir. Tüm aşamalarda uygulamalara bakıldığında, K-ELM sınıflandırıcının başarım oranlarını koruduğunu ve en yüksek başarım oranını verdiği gözlemlenmiştir. Aynı zamanda K-ELM sınıflandırıcının kararlı bir yapıda olduğu görülmüştür.