این پایان نامه مدل های جدید را برای مراحل سیستم شناسایی چهره معرفی می کند. در مرحله شناسایی صورت، یک مدل هیبریدی (abann) را پیشنهاد می کند که آدابوست (ab) و شبکه عصبی مصنوعی (ann) را برای حل فرآیند موثر ترکیب می نماید. در مرحله بعدی صورت های علامت دار توسط abann شناسایی می گردد که توسط مدل شکل فعال (asm) و پرسپترون چند لایه (mlp) تطبیق خواهند یافت. در مرحله تنظیم یک مدل بافت محلی دو بعدی جدید را بر اساس پرسپترون چند لایه پیشنهاد می کند. دسته بندی کننده این مدل به طور چشمگیر دقت و قوت جستجوی محلی روی صورت ها را با اختلاف چهره و محدوده های مبهم بهبود می نماید. در مرحله استخراج ویژگی، ما روشی را برای اصلاح کارآیی توسط رابطه دو روش توصیف می نمائیم: روش بر مبنای شکل هندسی و روش تجزیه و تحلیل اجزای مستقل. در مرحله انطباق چهره، ما مدلی را به کار می بریم که بسیاری شبکه های عصبی را برای انطباق ویژگی های هندسی صورت انسان ترکیب می کند. این مدل، بسیاری شبکه های عصبی را به هم متصل می سازد، بنابراین ما آن را شبکه عصبی مصنوعی چندگانه می نامیم. سیستم پیشنهادی، نتایج بهتری از هر دو میزان درستی و عملکرد بدست آورده، و زمان پردازش آزمون در مقایسه با روش کلاسیک کمتر است.