سیستم شناسایی چهره¬ ما دارای سه مرحله¬ می¬باشد: 1) پیش¬پردازش، مرحله¬ ایست که در آن چهره از تصاویر چهره استخراج شده و قسمت¬های غیر چهره حذف می¬شود. 2) استخراج ویژگی¬ها که در این مرحله، بردار ویژگی¬ها از تصاویر پیش پردازش شده، استخراج می¬شود. در این پایان نامه، استخراج ویژگی¬ها توسط چهار روش¬: هرم جهت گرادیان، الگوی باینری محلی، تبدیل ویولت گسسته و ترکیب ویولت گسسته با جهت گرادیان انجام می¬شود که تبدیل ویولت گسسته و ترکیب ویولت گسسته با جهت گرادیان، روش¬های پیشنهادی جدید ما هستند. 3) شناسایی که در این مرحله برای کاهش ابعاد ویژگی¬ها، روش pca (principal component analysis ) را به بردار ویژگی اعمال کرده و شناسایی را توسط فاصله اقلیدسی بین بردارهای ویژگی انجام می¬دهیم ( به غیر از روش الگوی باینری محلی، که در آن شناسایی، توسط فاصله¬ی chi square بین بردارها انجام می¬شود). نتایج آزمایشات روی بانک داده fg-net ارائه می¬شود و در ادامه به مقایسه¬ی عملکرد روش¬های پیاده سازی شده می¬پردازیم. نتایج آزمایشات نشان می¬دهد که روش ترکیب تبدیل ویولت گسسته با جهت گرادیان دارای بهترین عملکرد با دقت شناسایی 83/49% می¬باشد و پس از آن به ترتیب روش هرم جهت گرادیان با دقت شناسایی 31/45%، روش الگوی باینری محلی با دقت شناسایی 34/42% و در آخر روش تبدیل ویولت گسسته با دقت 99/12% کار شناسایی چهره غیر وابسته به سن را انجام می¬دهند.