تعقیب مشخصههای چهره از زمینههای تحقیقاتی بسیار مهم در بینایی ماشین و سیستمهای هوشمند است. مشخصههای چهره شامل ابرو، چشم، بینی و لب، برجستهترین علائم در بین اجزای چهره هستند. از آنجا که مشخصههای چهره دارای حرکات غیرصلب فراوانی هستند، استفاده از فیلتر کالمن سنتی ناکافی است. بهکارگیری فیلتر ذرهای رهیافتی مناسب برای این مسائل به نظر میرسد. فیلتر ذرهای الگوریتمی موثر برای تعقیب مشخصههای چهره میباشد. یک مشکل در ارتباط با این فیلتر این است که با افزایش ابعاد فضای حالت، عملکرد فیلتر خراب میشود. در این پایاننامه، از فیلتر ذرهای با توابع چگالی احتمال فاکتوریزه شده استفاده شده است تا بر این مشکل فائق آییم. این نسخه از فیلتر ذرهای زمانی بهکار گرفته میشود که بتوان فضای حالت را به گروهی از متغیرهای تصادفی که بهصورت مستقل قابل ارزیابی باشند، تفکیک کرد. در رهیافت تعقیب، حالت تخمین زده شده با یک مشاهده جدید ترکیب شده و بهروزرسانی میشود. بنابراین به یک مدل مشاهدهای نیازمندیم. در این پایاننامه یک مدل مشاهدهای جدید مبتنی بر رنگ پیشنهاد میشود که نسبت به تغییرات شدت روشنایی غیرحساس است. مدل پیشنهادی از فاصله bhattacharyya برای بهروزرسانی توزیع پیشین محاسبه شده بهوسیلهی فیلتر ذرهای، استفاده میکند. نتایج آزمایشات این پایاننامه نشان میدهد که الگوریتم پیشنهادی عملکرد مناسبی در تعقیب چندین الگوی مستقل دارد.