Fisherfaces نیز یک روش تشخیص چهره است که بر اساس تحلیل تفاضل بردارهای خطی (LDA) عمل می‌کند. این روش در سال ۱۹۹۷ توسط Belhumeur و همکارانش معرفی شد و به عنوان یکی از روش‌های معروف در حوزه تشخیص چهره شناخته می‌شود. روش Fisherfaces به منظور تمایز بین افراد در تصاویر چهره استفاده می‌شود.
در این روش، ابتدا تصاویر چهره از مجموعه آموزشی گرفته می‌شوند. سپس با استفاده از تحلیل تفاضل بردارهای خطی (LDA)، بهترین فضای ویژگی برای تمایز بین افراد استخراج می‌شود. در مرحله اول، با استفاده از تحلیل تفاضل بردارهای خطی، بردارهای خطی متناظر با هر چهره استخراج می‌شود. این بردارها به عنوان ویژگی‌های نهان تصاویر چهره عمل می‌کنند و برای نمایش اطلاعات تمایزدهنده بین افراد استفاده می‌شوند.
در مرحله دوم، با استفاده از ترکیب وزن‌دار بردارهای خطی مرحله قبل، یک فضای ویژگی نهایی به عنوان فضای Fisherfaces ساخته می‌شود. این فضا به گونه‌ای طراحی شده است که توانایی بالقوه‌ای در تفکیک بین افراد مختلف را دارد. در مرحله تشخیص، تصویر چهره ورودی نیز به فضای Fisherfaces پروژه می‌شود و با استفاده از مقایسه با بردارهای خطی موجود در فضای ویژگی، میزان شباهت بین تصویر ورودی و افراد مختلف در مجموعه آموزشی محاسبه می‌شود. با استفاده از فاصله اق لیدسی یا فاصله مقیاس‌شده، تصمیم گیری می‌شود که تصویر ورودی به کدام فرد متعلق است.
روش Fisherfaces به عنوان یک روش قوی و کارآمد در تشخیص چهره مورد استفاده قرار می‌گیرد، به خصوص در مواردی که تعداد نمونه‌های آموزشی محدود است و نیاز به تمایز دقیق بین افراد مختلف در تصاویر چهره وجود دارد.
هر چند روش های بیشتری برای تشخیص چهره در حال حاظر وجود دارد اما این علم همچنان دارای نواقصی است که باید دید تکنولوژی چه راهکارهایی برای برطرف کردن آن دارد . به طور مثال درصد خطای سیستم های تشخیص چهره هنوز به صفر نرسیده است که این موضوع باعث شده تکنولوژی اثر انگشت نسبت به چهره اهمیت بالاتری داشته باشد .
