فنآوری شناسایی چهره یکی از معدود روشهای بیومتریک می باشد که با دارا بودن مزایای دقت بالا و طبیعی بودن روش، به منظور شناخت افراد و در مواردی مانند امنیت اطلاعات، اجرا و نظارت بر قانون، کارتهای هوشمند، کنترل دسترسی و غیره مورد استفاده قرار می گیرد. در این پایان نامه از روش آنالیز غیر خطی مولفه های اصلی مبتنی بر تبدیل ویولت گسسته به منظور استخراج ویژگی های اصلی تصاویر چهره و سپس به منظور تشخیص و دسته بندی تصاویر چهره از روش شبکه عصبی احتمالی استفاده شده است،و نتایج آن با روش آنالیز مولفه های اصلی و آنالیز تفکیک کننده غیرخطی مقایسه می شود. آزمایشات نشان داد که تابع کرنل چند جمله ای با پارامترهای بهینه شده در الگوریتم kpca به نسبت توابع کرنل دیگر در این تحقیق دارای درصد تشخیص بهتری می باشد در نهایت با آزمایشات دیگر مشخص شد که روش پیشنهادی در برابر نویزهای ورودی و در برابر تغییر حالات مختلف چهره افراد مقاوم است.