در این پروژه هدف دستیابی به روشی مناسب جهت تشخیص حالات حسی چهره می باشد. بیشتر سیستم های شناخت حالات بر روی شش حالت اصلی در چهره تمرکز می کنند. تفسیر حالات چهره تمرکز می کنند. تفسیر حالات چهره معمولا یا از روی تصاویر ساکن و یا از روی یک رشته از فریم های متوالی چهره انجام می پذیرد. در این پروژه، به هر دو این موارد پرداخته می شود. برای استخراج مشخصه های چهره تاکید اصلی بر روش های هندسی و ترکیب کلی چهره است . در این قسمت دو روش مورد بررسی قرار می گیرد. در اولین روش برای بدست آوردن مشخصه های چهره با در نظر گرفتن شکل خاص از گرادیان نقاط، در کل تصویر به جستجوی چشم می پردازیم. در این بین از مفاهیمی همچون شیارهای چهره نیز برای کاهش حجم محاسبات استفاده می شود. اما در دومین روش ، با استفاده از نگاشت افقی و عمودی تصویر چهره و تصویر لبه های افقی و عمودی چهره، موقعیت دهان، بینی، پیشانی و محدوده چشم ها و سپس بر اساس مفهوم میدان اشاره، موقعیت دقیق چشم ها بدست می آید. بر اساس نقاط ضعفی که روش اول از خود نشان می دهد، روش دوم برگزیده می شود و برای مراحل بعدی مورد استفاده قرار می گیرد. در بخش های مربوط به تحلیل و تفسیر حالات چهره از روی تصاویر ساکن، یک شبکه هاپلفید (hopfield) و خاصیت حافظه شرکت پذیر آن مورد توجه قرار گرفته است . پس از بررسی نتایج حاصل از این شبکه، از سری کردن دو شبکه هاپفیلد با مجموعه های آموزش متفاوت برای عمل تشخیص استفاه شد، که نتایج را بصورت محسوسی بهبود بخشید. برای تحلیل حالات چهره از روی یک رشته تصویر، چندین شبکه ref بکارگرفته شده است . روش آموزش این شبکه، معماری کلی آن، نحوه تنظیم و پردازش ورودی ها و خروجی ها از نکات مهم این روش می باشد که در نوع خود حائز اهمیت است . چارچوب ارائه شده برای تشخیص حالات چهره در این پایان نامه، در مقایسه با دیگر روش های موجود، ضریب اطمینان و همچنین سرعت بیشتری دارد و این بیشتر ناشی از عدم استفاده از مدل های مبتنی بر آناتوموی چهره واستفاده از شاره نوری برای تشخیص حرکت ها می باشد.