Dalam bidang pengenalan objek 3 dimensi telah dikembangkan sistem jaringan saraf tiruan Cylindrical Hidden Multi-Layer Perceptron Back Propragation (CHMLP-BP) jaringan CHMLP-BP ini melakukan pengenalan objek 3 dimensi melalui data citra 2 dimensi yang diambil dari berbagai sudut pandang pengamatan terhadap objek. Peningkatan kinerja sistem CHMLP-BP telah dilakukan dengan memodifikasi beberapa formula pembelajaran dan struktur jaringan. Modifikasi dilakukan dengan menambah mode pemroses pada sub lapis tersembunyi secara acak serta modifikasi arsitektur lapis tersembunyi dari bentuk silinder tunggal menjadi bentuk konsentris sehingga disebut CHMLP-BP konsentris. Walaupun kinerja meningkat, pertambahan node pada lapis tersembunyi secara acak belum membuktikan bahwa struktur jaringan telah optimal. Salah satu metode pencarian bentuk struktur jaringan yang optimal dan dapat menemukan solusi global terbaik adalah algoritma genetika. Penerapan algoritma genetika berguna untuk merduksi ukuran jaringan dengan membuang node-node pemroses yang tidak diperlukan [SULI99]. Penelitian yang telah dilakukan sebelum diterapkan pada objek 3 dimensi sederhana. Pada penelitian ini sistem jaringan CHMLP-BP konsentris yang dioptimasi dengan algoritma genetika diterapkan untuk pengenalan objek wajah 3 dimensi.Objek wajah 3 dimensi memiliki kompleksitas yang cukup tinggi, terutama dengan kemampuan wajah untuk berkspersi sehingga menimbulkan adanya variasi terhadap objek . Data citra wajah yang diperoleh dari pengamatan berbagai sudut pandang terhadap objek wajah 3 dimensi ini perlu melalui tahap pre-processing untuk mereduksi ukuran dimensi data agar dapat meningkatkan kinerja jaringan. Metode yang digunakan untuk mereduksi dimensi tanpa adanya ciri data yang hilang adalah metode fisherface [BELH97]. Metode Fisherface dapat mengenali wajah, baik untuk berbagai variasi cahaya dan berbagai ekpresi wajah.