چکیده : در راستای ایجاد ارتباطی دوستانه با کامپیوتر ها ، لزوم تشخیص حالات انسان توسط کامپیوتر ها امری ضروری است. در این پایان نامه ما با استفاده از روش های هوشمند به امر پرداخته ایم.پیش تر برای استنتاج و تشخیص حالات چهره اطلاعات مربوط به ویژه گی های تصویر از فریم حالت نرمال فرد و حالت فعلی استخراج و با مقایسه این مقادیر حالت فرد با استفاده از روش طبقه بندی و استنتاج تبیین می شد. این امر علاوه بر بار محاسبات بالا به علت نیاز به پارامترهای حالت نرمال فرد سبب میشود این روش ها عملکرد مناسبی در سیستم های کاربردی نداشته باشند. برای این منظور با استفاده از روش استنتاج فازی، برای المانها ی موثر در نمایش حالات احساسی پایه و همچنین برای هر حالت متغیر هایی در خروجی سیستم استنتاج فازی ممدانی طراحی نمودیم با طرح این مدل علاوه بر تشخیص حالت میتوانیم برای هر یک از حالات چهره یک مقدار فازی بیان نماییم و اطلاعات سطح بالاتری از حالات فرد داشته باشیم .برای تعیین پارامترهای حالت نرمال چهره برای مقایسه و محاسبه میزان تغیر المانها از الگوریتم شبکه های عصبی استفاده می نماییم برای افزایش کارایی سیستم و محاسبه تعداد نرونهای لایه میانی در شبکه عصبی مذکور از یک روش ابتکاری به نحوی که در پایان نامه ذکر خواهد شد استفاده می نماییم و در نهایت برای تخمین حالت های بعدی در چهره از روش رگرسیون خطی استفاده نمودیم که با استفاده از نتایج بدست آمده در تحلیل فریم ها در یک دنباله تصویر و محاسبه میزان حالات در هر فریم مدل تغییرات حالات فرد را با استفاده از روش رگرسیون خطی مدل کرده و برای تخمین حالت فرد در فریم بعدی استفاده می نماییم .