شناسایی حالت چهره در سالهای اخیر بسیار مورد توجه قرار گرفته است. امروزه ارتباط انسان با کامپیوتر در دنیای مجازی و ایجاد رابطه به اصطلاح عاطفی بین این دو منجر به توجه بیش از پیش به این موضوع شده است. در شاخه رباتیک، مطرح شدن رباتهای انسان نما که با کاربر در تعامل هستند و با حالت روحی کاربر خود را تطبیق می دهند، توجه به این موضوع را دوچندان نموده است. همچنین در تکنولوژی مربوط به ساخت دوربینهای دیجیتالی، با تجاری شدن دوربینهای عکاسی حساس به حالات چهره که تنها با لبخند زدن شخص تصویر گرفته می شود، این موضوع در قالب فن آوری روز مطرح گردیده است. در فیلمهای انیمیشن و کارتونی و تکنیکهای مربوط به آن، طراحی چهره، بحث شبیه سازی حالات مختلف چهره بسیار پرکاربرد می باشد. در شاخه روانشناسی، آزمونهایی در زمینه درمانی طراحی شده است که با نشان دادن تصاویر به شخص مورد آزمایش، عکس العمل ظاهری ایجاد شده در چهره را بررسی و به عنوان داده های اولیه برای تحلیل روحی روانی بکار می گیرند. این موارد و کاربردهای گوناگون دیگر منجر به انجام تحقیقات متعددی در این زمینه گردیده است. هدف در این رساله تشخیص حالات چهره با دقت بهینه در دنباله تصاویر ویدئویی در شش حالت اصلی (خوشحال، ناراحت، متعجب، عصبانی، متنفر و طبیعی) می باشد. در این پروژه پس از پیش پردازشهای اولیه و بخصوص پردازشهای مربوط به حجم و اندازه تصاویر (مبحث هرمی سازی)، روشی بر اساس مبانی optical flow، تشخیص و دنبال کردن حرکات اتفاق افتاده در تصویر، به منظور استخراج ویژگی، ارائه شده است. سپس ویژگیهای استخراجی را از دو روش مجزا طبقه بندی نموده و نتایج ارائه و مقایسه گردیده است. روش پیشنهادی بر روی پایگاه داده ی معتبر و مرجع cohn-kanade پیاده-سازی شده است. روش اول دسته بندی با استفاده از شبکه عصبیrbf که دقتی برابر64/88%، و روش دوم با استفاده از طبقه-بندی کننده ی ماشین بردار پشتیبان (svm) می باشد که دقتی برابر 78/92% را نتیجه داده است. در کنار این روش روشی ساده با دقتی بالا برای تشخیص سه حالت اصلی چهره (خوشحال، ناراحت و طبیعی) در تصاویر استاتیکی که درجه وضوحی مطلوب داشته باشند (در حد پایگاه داده jaffe) ارائه گردیده است. روش دوم بر پایه ی ویژگیهای ظاهری و بخصوص فیلترهای گابور و تعریف های مرتبط با تغییرات ظاهری چهره در خلال شکل گیری حالات ذکر شده، بنا نهاده شده است.