فن آوری بازشناسی چهره یکی از معدود روش های بیومتریک می باشد که با دارا بودن مزایایی از جمله دقت بالا و تهاجم پایین، در مواردی مانند امنیت اطلاعات، کنترل دستیابی به منابع و غیره مورد استفاده قرار می گیرد. به همین دلیل این فنآوری در طی بیست سال گذشته در عرصه های صنعتی و علمی مورد توجه بسیار قرار گرفته است. از دیگر دلایلی که استفاده از تصویر چهره را همچنان حائز اهمیت نگاه داشته است استفاده معمول از عکس چهره افراد در سیستم های غیرخودکار فعلی می باشد. گرچه سیستم های کنونی به سمت خودکار شدن پیش می روند ولی این تغییرات در سیستم های کنونی باید به گونه ای باشد که بیشترین همخوانی را با سیستم-های غیرخودکار قبلی داشته باشد. از آنجایی که در کاربردهای عملی معمولاً تنها یک تصویر نرمال با نمای روبرو از کارت شناسایی افراد در دسترس می باشد حل مسأله بازشناسی چهره مبتنی بر یک تصویر مرجع نرمال از هر فرد، تبدیل به یکی از چالش های اخیر بازشناسی چهره شده است. ، از طرفی دیگر هزینه نگهداری داده های سیستم شناسایی چهره، هزینه انجام الگوریتم ها برای کاربردهایی با مقیاس بالا می تواند به طور قابل توجهی کاهش یابد، زیرا تعداد نمونه های آموزش برای هر فرد، تاثیر مستقیم بر روی هزینه عملیات بازشناسی چهره (پیش پردازش، استخراج ویژگی ها، شناسایی) دارد. در این تحقیق تلاش شده است با جداسازی اطلاعات فرد از اطلاعات حالت به کمک آنالیز مشخصه های کلی و جزئی چهره، همچنین با تولید تصاویر مجازی به کمک ماسک های حالت، تصاویر تعلیم موجود از هر فرد افزایش یابد. در ابتدا به بررسی روش های کلی تشخیص چهره پرداخته، سپس روشی کارا مبتنی بر اِعمال آنالیز مولفه های اساسی بر روی بخش های مختلف چهره در راستای استخراج ویژگی های پایدارتر، برای حل مسأله ارائه شده است. در ادامه با تعمیم فضای تصمیم به کمک تولید تصاویر مجازی، بازده روش پیشنهادی را بر روی سه مجموعه استاندارد چهره yale، arو orl مورد بررسی قرار گرفت. با توجه به نتایج حاصل از ارزیابیِ کارآیی و زمان اجرای روش پیشنهادی نسبت به روش معمول آنالیز مولفه های اساسی، استفاده از روش ارائه شده مطلوب تر و منطقی تر به نظر می رسد.