چکیده: استفاده از روش های احراز هویت بیومتریک به ویژه شناسایی چهره به دلیل دسترسی نسبتا آسان آن راه حل مناسبی برای شناسایی می باشد. وجود سیستم های شناسایی تجاری متنوع گواهی بر پیشرفت قابل توجه بدست آمده در این زمینه می باشد. علارغم این دستاوردها شناسایی چهره همچنان یک مبحث فعال در زمینه پژوهش بینایی ماشین محسوب می شود. در زمینه پردازش تصاویر چهره، توجه محققان به روش های جلوگیری از تقلب توسط شخص غیراصیل جلب می شود. تقلب در شناسایی چهره به روش های مختلفی از قبیل ماسک چهره، بازپخش تصویر چهره از روی نمایشگر و تصویر چهره چاپ شده بر روی کاغذ انجام می شود. تاکنون روش هایی برای شناسایی تقلب معرفی شده اند که بعضا مداخله کننده هستند، یعنی کاربر را مجبور به انجام حرکتی مانند تکان دادن سر می کنند تا منجر به انجام شناسایی شود. میان تصاویر چهره واقعی و تصاویر حاوی تقلب اختلافاتی از قبیل بافت چهره و لبه ها وجود دارد. به عنوان نمونه در تقلب به روش بازپخش تصویر، در بافت آن نویز متناوب وجود دارد یا در تقلب به روش ماسک، لبه های بریده شده عکس جهت تشخیص تقلب اهمیت دارند. در این تحقیق برای متمایزتر کردن تفاوت میان تصاویر تقلبی و واقعی از الگوی دودویی محلی جهت برجسته ساختن لبه ها و بافت تصویر استفاده گردید. با بررسی نتایج به دست آمده، با استفاده از الگوی دودویی محلی دقت بالاتری حاصل می شود. علت آن تاثیر دوگانه این الگو بر لبه ها و بافت به صورت یک جا است. جهت استخراج ویژگی تصاویر شبکه عصبی عمیق با سه لایه پیچش به کار گرفته شد. از مزیت های شبکه عصبی عمیق استخراج ویژگی خودکار است. جهت بررسی دقت از مجموعه داده های CASIA و مجموعه داده تهیه شده (CASIA+) که شامل تصاویر چهره پوشیده شده با عینک آفتابی است، استفاده شد. در نهایت روش پیشنهادی شناسایی تقلب با دقت 98 درصد و 97 درصد تشخیص به ترتیب بر روی دو مجموعه داده CASIA و CASIA+ حاصل شد.