چکیده: یکی از روشهای بیومتریک برای شناسایی افراد، استفاده از ویژگی های چهره است .دراین روش با توجه به این که نیازی به ارتباط فیزیکی با فرد وجود ندارد از لحاظ اجتماعی نیز مورد توجه قرار گرفته است. سیستم‌های مدرن شناسایی چهره دو بعدی ،در شرایط یکنواخت و کنترل شده بسیار خوب عمل می‌کنند با این حال، تغییرات در نورپردازی تصویرها و حالات مختلف چهره از مشکلات پیش روی این روش ها است.در مقابل، تصاویر سه بعدی می‌توانند اشیاء را بدون در نظر گرفتن شدت نور به وضوح نمایش دهند. در این تحقیق تلاش بر این است که با استفاده از اطلاعات تصویر سه بعدی (اطلاعات عمق) کارایی سیستم‌های شناسایی چهره را در شرایط نامساعد، از قبیل نورپردازی، ژست و حالات کنترل نشده، بهبود ببخشیم. این تحقیق بر روی پایگاه داده (GAVAB) با تصویر هایی که شامل انواع وضعیت های نامطلوب در شناسایی چهره از قبل خندیدن ،نگاه به بالا و پایین ،چرخش سر به چپ و راست و همچنین حالت های تصادفی چهره است انجام شده است. روش های پیاده شده در این تحقیق در دو گروه روش های کل نگر و جزء نگر دسته بندی می شوند.در روشهای کل نگر ، ما از سه ویژگی عمق، انحنای میانگین و انحنای گوسی استفاده کرده ایم .بهترین نتیجه به دست آمده در روش های کل نگر مربوط به ویژگی انحنای میانگین با دقت 91.09 درصد می باشد..مزیت این روش ساده بودن پیاده سازی و سرعت بالای اجرای آن می باشد. در روش های جزءنگر ما از ویژگی های الگوی باینری محلی کامل (CLBP) ، الگوی باینری مبتنی بر واریانس (LBPV) ، الگوی باینری مبتنی بر انحنای گوسی (LBPK) و الگوی باینری محلی مبتنی بر انحنای میانگین (LBPH) استفاده کرده ایم. در روش های بین روش های جزء نگر بهترین نتیجه مربوط به روش LBP_S/M/Cبا دقت 96.47 درصد می باشد.همچنین در این تحقیق دو روش استخراج ویژگی جدید(LBPH,LBPK) نیز ارائه شده است.