شناسایی چهره انسان از دیرباز یکی از مسایل مهم شناسایی بوده است که محققان روش های مختلفی را برای آن بیان نموده اند. به طور کلی شناسایی چهره در سه مرحله ی پیدا کردن چهره در تصویر، استخراج بردارهای ویژگی چهره و طبقه بندی بردارهای ویژگی به دست آمده، صورت می پذیرد. در فاز استخراج بردارهای ویژگی، الگوهای منحصر به فرد موجود در هر تصویر به دست می آید که در این مرحله، روش های شناسایی چهره را به سه دسته ی روش های مبتنی بر دید(ظاهر)، مبتنی بر مدل و مبتنی بر قالب می توان تقسیم نمود که در این پژوهش انواع روشهای شناسایی چهره بر مبنای ظاهر با روش پیشنهادی شناسایی چهره با شبکه عصبی ویولت مقایسه می گردد. در سالهای اخیر، ویولت ها به عنوان یک ابزار نیرومند و کارآمد در بسیاری از زمینه های پژوهشی بکار گرفته شده اند. با استفاده از ویولتها در شبکه عصبی، شبکه های عصبی ویولت پدید می آید که خواص مفید شبکه های عصبی را با خواص مکانیابی و استخراج شاخص ویولتها ترکیب می کند. در شبکه های عصبی ویولت به جای توابع سیگموید از ویولتها استفاده می شود که توانایی شبکه عصبی را در بسیاری از زمینه ها از جمله شناسایی چهره، تقویت می نماید. در روش پیشنهادی در این پژوهش جهت شناسایی چهره با شبکه عصبی ویولت، ابتدا با اعمال تبدیل ویولت دو بعدی بر روی تصاویر ورودی، ضرایب ویولت کلیه تصاویر دیتابیس را بدست آورده، چند مولفه بزرگ ویولتها را به عنوان ویژگی های اصلی هر تصویر به شبکه عصبی آموزش می دهیم. در شبکه عصبی استفاده شده نیز از ویولت ها به جای توابع سیگموید بهره می جوییم. نتایج نشان می دهد که بهترین روش های شناسایی چهره بر مبنای ظاهر برای دیتابیسorl روش غیر خطی klda و روش خطی fuzzy flda به ترتیب با درصد بازشناسی 100% و 95.5% می باشد و برای دیتابیس frav نیز این دو روش با درصد بازشناسی 98% و 95.625% بالانرین شناسایی را دارند. در روش پیشنهادی شناسایی چهره با شبکه عصبی ویولت، این روش دارای درصد بازشناسی 92.5% و 97.5% به ترتیب برای دیتابیس های orl و frav2d می باشد.