مشخصه های چهره شامل ابرو، چشم، بینی و لب، نقاطی هستند که در فریم های متوالی تعقیب می شوند تا اطلاعات مکانی آنها با استفاده از کلاس بندها برای تشخیص حالت چهره مورد استفاده قرار گیرند. مشخصه های چهره دارای حرکات غیرصلب فراوانی هستند. همچنین تغییرات روشنایی و انسداد های مختلف کار تعقیب را دچار چالش اساسی می نمایند. فیلتر ذره ای به جای تحلیل مستقیم چگالی تغییرات، نمونه های برداشته شده از آن را مورد آنالیز قرار می دهد. در این پایان نامه فیلتر ذره ای از نوع کمکی مورد استفاده قرار گرفته است. مشخصه های مختلف به طور مستقل مورد تعقیب قرار می گیرند تا ابعاد فضای حالت کاهش یابد. همچنین در ساختار مدل مشاهده ای از تبدیلات فوریه استفاده شده تا نسبت به تغییرات روشنایی مقاوم باشد. هنگامی که در چند فریم متوالی مشخصه ها مسدود شده و تعقیب نقاط ویژگی از دست می رود، بعد از رفع انسداد سیستم سعی در بازیابی و تخمین محل مشخصه ها دارد. در این راستا، سوراخ های بینی به عنوان مشخصه های مرجع مورد استفاده قرار گرفته اند. با توجه به اینکه اساس الگوریتم بر مقادیر سطح خاکستری استوار است، از نوعی فیلتر متقارن برای برجسته تر کردن مشخصه ها استفاده شده است. به عبارت دیگر، این فیلتر باعث می شود تا تفاوت مقدار شدت روشنایی نواحی مشخصه و غیر مشخصه بیشتر شود. اساس این فیلتر، تابع چگالی احتمال گوسی است. با انتخاب مناسب انحراف معیار کرنل گوسی، یک ماسک 5×5 ایجاد شده و تصاویر بانک اطلاعاتی از آن عبور داده می شوند.