در این پایان نامه به پیاده سازی یک سیستم جهت استخراج چهره های حاضر در صحنه خواهیم پرداخت. سپس عمل شناسایی چهره را بر روی چهره استخراج شده ی حاضر در صحنه انجام دادیم. بطور کلی یک سیستم تشخیص چهره از سه بخش تشکیل شده است: استخراج چهره از روی ویدئوی ورودی، استخراج ویژگی برای مشخص نمودن هویت چهره در ویدئو، و مقایسه آنها با تصاویر ثبت شده در پایگاه داده به منظور کلاسبندی و شناسایی چهره. اگر چه مدول های استخراج ویژگی و کلاسبندی، دو مدولی هستند که وجه تمایز بین بیشتر سیستمهای تشخیص چهره را باعث می-شوند، اما مدول استخراج چهره نقش اساسی در عملکرد سیستم تشخیص چهره دارد، به طوری که استخراج درست و دقیق چهره باعث افزایش کارایی و بهبود عملکرد بخش تشخیص خواهد شد. بر همین اساس در این پروژه سعی ما بر آن بود تا مسائلی مانند تغییر زاویه چهره، تغییر روشنایی چهره، حالتهای صورت، پس زمینه تصاویر و پوشیدگی که از جمله عوامل محدود کننده محیطی بر روی کار تشخیص چهره می باشند و تاثیر بسزایی بر کارایی سیستم می گذارند مورد بررسی و توجه قرار دهیم تا با ارائه راه حلی مناسب در این زمینه بتوانیم سیستمی مطمئن و کارا در زمینه شناسایی چهره عرضه کنیم. بدین ترتیب برای پیاده سازی پروژه روشهای مختلفی را در نظر گرفتیم. در بخش استخراج چهره چهار روش را پیاده سازی و با یکدیگر مقایسه کردیم. در نهایت به این نتیجه رسیدیم که، ابتدا از روشskin-color استفاده کرده تا نواحی پوست را که کاندید چهره می باشند استخراج کنیم. سپس با استفاده از الگوریتم adaboost از بین نواحی کاندید، چهره ها را استخراج می کنیم. استفاده از این روش این مزایا را دارد که هم تا حد قابل قبولی سریع و برای پردازش ویدئویی مناسب می باشد و هم از مزایای هر دو روش رنگ پوست و adaboost بهره می برد. از طرفی از آنجا که در بسیاری از کاربردهای واقعی معمولا دوربین و در نتیجه پس زمینه ثابت است می توانیم از روشی دیگر که برای کاربردهای ویدئویی و زمان- واقعی مناسب می باشد استفاده کنیم. در این روش از تفاضل پس زمینه استفاده کرده و منطقه پیش زمینه را جدا، سپس بر روی نتیجه حاصل الگوریتم adaboost را اعمال می کنیم. در بخش استخراج ویژگی- شناسایی چهره نیز چهار روش را پیاده سازی کردیم. در نهایت بهتر دیدیم که، ابتدا با استفاده از pca ابعاد فضای ویژگی را کاهش دهیم و سپس از روی آن و بکمک روش lda ویژگی های مورد نظر را استخراج کنیم. و در نهایت از ویژگی های بدست آمده از این روش برای کلاس بندی و شناسایی چهره استفاده کنیم. نتایج آزمایش ها نشان می دهد که سیستم قادر به شنایایی چهره های انسان در شرایط نوری متفاوت، مقیاس، جهت، پوشیدگی، و رنگ پوست ها از نژادهای مختلف می باشد.