در سال های اخیر، تشخیص جنسیت از تصاویر چهره ای، به دلیل کاربردهای فراوان آن در امنیت، جستجوی وب، تعاملات انسان و کامپیوتر و غیره، توجه زیادی را به خود جلب کرده است. روش های تشخیص چهره مبتنی بر ساختار آبشاری یک عملکرد قوی و سریع را اثبات کردند. در اکثر این روش ها، هرگره از آبشار، ویژگی های شبه هار ساده را از ناحیه مرکزی چشم-بینی-دهان با استفاده از روش بوستینگ بکار می گیرد. کار اخیر ویولا –جونز یک دیدگاه تشخیص شی سریع مبتنی بر آبشار قوی از ویژگی های ساده را معرفی کرده است. می دانیم ویژگی های هار اجزای مطلوبی برای تشخیص اشیاء هستند، چنان که به خوبی به تشخیص اشیا، و خصوصا چهره می پردازد، همچنین استفاده از الگوریتم آدابوست روشی مطمئن به عنوان یک یادگیرنده قوی تلقی می شود. ترکیب این دو اغلب نتایج خوبی را در تشخیص چهره به همراه دارد. در این پایان نامه روشی برای آموزش طبقه بند ارائه شده است. بعد از عمل تشخیص چهره، عمل نرمال سازی شامل نرمال سازی پیکسل و تعدیل هیستوگرام، روی چهره ها به منظور ورودی برای طبقه بندی جنسیت انجام می گیرد که این باعث افزایش نرخ طبقه بندی می شود. همچنین مقایسه ای بین روش های طبقه بندی جنسیت، از جمله روش ماشین بردار پشتیبان، آدابوست حدآستانه و روش مبتنی بر الگوی دودویی محلی، برای پی بردن به توانایی روش پیشنهادی انجام داده ایم.