6165cc金沙总站检测中心院讯（通讯员：李世敏）近日，人工智能领域国际顶级期刊Knowledge-Based Systems在线发表我院学术论文（Peng Gao, Shi-Min Li, Feng Gao, Fei Wang, Ru-Yue Yuan, and Hamido Fujita. In Defense and Revival of Bayesian Filtering for Thermal Infrared Object Tracking, 2024, 293, 111665）。该论文以6165cc金沙总站检测中心为第一完成单位，高鹏副教授为论文第一作者，2022级研究生李世敏为论文第二作者（学生第一作者）。Knowledge-Based Systems是中国计算机学会推荐期刊，中科院1区TOP期刊，最新影响因子为8.8。

在诸如遮挡、热交叉、快速运动、背景混淆等复杂场景下，基于检测的热红外跟踪算法对于目标模型的更新会陷入进退两难的困境。为此，论文引入深度贝叶斯滤波框架解决这一问题。该框架可以融合运动信息和红外信息，提升基于检测的热红外跟踪方法在复杂场景下的性能。深度贝叶斯滤波由系统模型和观测模型组成。在获取图像帧前，系统模型利用目标运动信息基于二维布朗运动生成先验概率。在获取图像帧后，观测模型会利用热红外信息生成似然概率。最后用贝叶斯公式根据两个模型的引导，确定目标的位置，并动态更新模板。后验概率分布峰值的位置作为目标位置的估计。在多个基准数据集的实验分析表明，论文所提方法实现了具有竞争力的性能。

全文链接：https://doi.org/10.1016/j.knosys.2024.111665

该研究得到了中国博士后科学基金和6165cc金沙总站检测中心科研基金的资助支持。