شناسایی چهره با وجود کاربردهای گسترده و تحقیقات فراوان هنوز دارای مسائل حل نشده متعددی است.یکی از چالش¬های مهم برای دستیابی به یک سیستم شناسایی چهره کاربردی، تغییرات شدید ظاهر چهره است. مسئله مورد بررسی در این تحقیق، تشخیص صورت انسان با وجود تغییرات مختلف چهره از جمله :تغییرات روشنایی، حالات چهره،تخریب پیکسل¬ها و پوشیدگی می¬باشد.مسئله مهم در تشخیص استفاده از الگوریتمی مناسب برای طبقه بندی می¬باشد.بر این اساس تئوری جدید نمایش تنک مبتنی بر l 1-minimization به عنوان روشی برای طبقه بندی با وجود تمام محدودیت¬ها ،در این پایان نامه مطرح شده است. درطبقه بندی داده¬ها با ابعاد بالا چه از لحاظ تئوری و چه از لحاظ عملی ثابت می¬شود که تنکی کارایی بالایی دارد.با بهره گیری از مسائل پایه در زمینه پردازش تنک یک الگوریتم طبقه بند تنک را معرفی می¬کنیم که با وجود استفاده از ساده ترین نوع ویژگی¬ها یعنی نمونه برداری از پایین نسبت به تغییرات مختلف چهره مقاوم بوده ونسبت به روش¬های طبقه بندی رایج مثل نزدیکترین همسایه( nn ) عملکرد بهتری دارد. باپیاده سازی الگوریتم پیشنهادی بر روی پایگاه داده orl به دقت چشمگیر95 % رسیدیم .درپایان مقایسه ای بین الگوریتم پیشنهادی و الگوریتم نزدیکترین همسایه با وجود نویز و انسداد صورت می¬گیرد که مقاومت بالای این روش رانشان می¬دهد.