حالت صورت اشخاص نقش مهمی را در روابط اجتماعی بازی می کند. بازشناسی حالت چهره به صورت اتوماتیک، یک فرآیند بسیار پیچیده و دشوار است زیرا این فرآیند، بسیار تحت تاثیر تغییرات روشنایی محیط و نوع چهره است. علاوه براین شباهت بین حالات مختلف باعث تشخیص اشتباه حالات چهره می شود. برای مثال چون در هر دو حالات خوشحالی و تعجب، دهان شخص باز است، امکان دارد این دو حالات به اشتباه به جای یکدیگر تشخیص داده شوند. lbp به دلیل ثابت بودن نسبت به تغییرات روشنایی، یک توصیف گر خوب برای شناسایی حالت چهره در شرایط روشنایی متغیر است. vlbp و lbp-top دو روش lbp توسعه یافته هستند که بطور گسترده به منظور ترکیب ویژگی های بر مبنای ظاهر و حرکت به کار می روند. به منظور سادگی در محاسبات و عمومیت بخشی از lbp-top استفاده کرده ایم که انسداد در سه صفحه ی متعامد را در نظر می گیرد. ما از lbp-top برای استخراج ویژگی های مفید استفاده کرده ایم. از آنجا که برخی نواحی چهره مانند چشم ها، دهان و غیره، به علت تغییر زیاد تاثیر بیشتری در تعیین حالت چهره دارند، ما این نواحی را استخراج کرده و متناسب با اهمیت و تاثیر هر ناحیه در تعیین حالت چهره، یک وزن برای آن در نظر گرفته ایم. در این پایان نامه یک روش جدید تمام اتوماتیک بر اساس الگوی پویای باینری محلی برای تشخیص حالت چهره در ویدیو ارائه شده است. ابتدا نقاط و نواحی اصلی صورت که در تشخیص حالت چهره موثرند استخراج شده، سپس این نقاط اصلی از فریم اول تا آخر بصورت کاملا اتوماتیک توسط الگوریتم لوکاس-کانید ردیابی می شوند و الگوی پویای باینری محلی روی تمام فریم ها اعمال می شود و به نواحی موثر در تشخیص حالت چهره وزن بیشتری داده می شود. در نهایت از بردار ماشین پشتیبان برای طبقه بندی حالات چهره استفاده می شود. آزمایشات روی پایگاه داده ی cohn-kanade انجام شده است و برای روش پیشنهادیمان با استفاده از ارزیابی 10 فولد به نرخ بالای 98.48 دست یافتیم که در مقایسه با lbp-top معمولی به میزان 1.13 درصد بهبود داشته است. روش ما در برابر چرخش تصاویر چهره مقاوم است و نیازی به قطعه بندی تصاویر برای استخراج ویژگی و همچنین نرمال سازی سطوح خاکستری قبل از اعمال عملگر ندارد.