چکیده: شناسایی چهره یکی از متداول ترین روش های بیومتریک احراز هویت است و تحقیقات زیادی در این زمینه برای بهبود عملکرد آن انجام گرفته است. محبوبیت این روش بیومتریک نسبت به روش های مبتنی بر عنبیه چشم، اثر انگشت و صدا، به دلیل ساده بودن استفاده ازچهره و همچنین دخالت نداشتن انسان در امر احراز هویت است. با این حال چالش های زیادی در این موضوع وجود دارند که محققین در حال تحقیق بر روی آن ها هستند. یکی از این چالش ها حجم بزرگ پایگاه داده است که هر چه تعداد تصاویر بیشتر می شود، فاصله بردارهای ویژگی استخراج شده به هم نزدیک تر و دقت شناسایی شدیداﹰ کاهش می یابد. همچنین با افزایش تعداد داده در پایگاه داده سرعت جستجو به شدت کاهش می یابد. هدف این پایان نامه ارائه یک روش مقاوم شناسایی چهره است که نسبت به زیاد بودن تصاویر پایگاه داده عملکرد خوبی داشته و بتواند به خوبی عمل شناسایی را انجام دهد. روش ارائه شده از یک رویکرد خوشه بندی ساده استفاده می کند تا به صورت سلسله مراتبی تصاویر را به دسته های کوچک تر تقسیم کند. دقت نهایی در روش ارائه شده این پایان نامه به دو عامل دقت خوشه بندی و کیفیت ویژگی های استخراج شده در هر مرحله وابسته است. برای خوشه بندی، تصاویر به دو قسمت بالا و پایین تقسیم شده و از هر قسمت به طورجداگانه با استفاده از روش تجزیه ماتریس نامنفی بردارهای ویژگی استخراج می شوند. سپس اختلاف میانگین دو بردار ویژگی محاسبه می شود. در نهایت با استفاده از یک حد آستانه تصاویر به دو خوشه تقسیم می شوند. داخل هر خوشه از دو روش تجزیه ماتریس نامنفی وتوصیفگر هایFREAK برای استخراج ویژگی استفاده می شود. روش تجزیه ماتریس نامنفی به صورت سراسری و توصیفگر هایFREAK به صورت محلی استخراج ویژگی می کنند. با ترکیب این دو ویژگی می توان به طور همزمان از خصوصیات محلی و سراسری تصویر بهره برد. برای شناسایی هویت تصویر از روش نزدیک ترین همسایه با معیار فاصله بلوک شهری استفاده شده است. برای ارزیابی روش ارائه شده روی پایگاه داده حجیمFERET و همچنین یک مجموعه تصویرجمع آوری شده که حجم بزرگتری دارد، آزمایش هایی انجام گرفت که در نهایت دقت شناسایی98.36 ٪ روی مجموعه تصاویرFERET و 94.54٪ روی مجموعه تصاویر جمع آوری شده به دست آمد که حدود ۲ درصد نسبت به بهترین کار قبلی بهبود داشت. نتایج آزمایش ها نشان دهنده عملکرد مطلوب روش خوشه بندی استفاده شده و روش شناسایی ارائه شده نسبت به روش های متداول پیشین است.