ما در اين مقاله روش کارامد جديدی را مبتنی بر توصيفگر الگوی باينری محلی برای بازشناسی چهره معرفی کرديم. چون محاسبات داخل الگوی باینری محلی بین مقادیر دو پیکسل انجام می‌شود، حتی تغییرات کوچک در الگوی باینری عملکرد آن را تحت تأثیر قرار می‌دهد. در این مقاله یک روش جدید بازشناسی چهره برای انتخاب الگوهای باینری میانگین محلی (LABP) بر مبنای آتاماتای یادگیر سلولی مبتنی بر محاسبات تکاملی ارائه شده است. در روش پیشنهادی، ابتدا الگوهای باینری یکنواخت محلی توسط LABP از تصاویر چهره استخراج می‌شود. در LABPجهت به دست آوردن نمایش ویژگی مقاوم‌تر، نقاط نمونه زیادی مورد استفاده قرار گرفته است، سپس بهترین زیرمجموعه از این الگوها بدون داشتن اطلاعات اولیه از آنها توسط روش CLA-ECپیدا شده و از آنها هیستوگرام گرفته می‌شود و در نهایت از ماشین بردار پشتیبان برای طبقه‌بندی استفاده می‌شود. نتیجه به دست آمده از شبیه‌سازی سیستم‌های بازشناسی چهره روی مجموعه داده FERET، برتری الگوریتم پیشنهادی را نسبت به الگوریتم‌های دیگر نشان داد. پرونده مقاله