یک قالب ترکیبی مدل سلسله مراتبی (HMF) برای ردیابی مورد (شیء) در توالی های ویدیویی ارائه می شود . معادلات ردیابی Bayesian به منظور بکارگیری در مدل های موردی چندگانه توسعه داده می شوند. بر اساس این معادلات یک الگوریتم فیلتر ذرات توسعه داده شد تا بطور کارآمد و مؤثر از عهدۀ توزیع های مدلی چند گانه که از صحنه های به هم ریخته بوجود می آید ، برآید. بروزرسانی هر مدل موردی بطور طبقه بندی اتفاق می افتد بنابراین مدلهای موردی با ابعاد پایین تر ، که در ابتدا بروز رسانی می شوند ، جستجو در فضای پارامتری مدلهای موردی بعدی را به مناطق مرتبط هدایت می کنند بنابراین پیچیدگی محاسباتی کاهش می یابد . همچنین یک مدل برای انطباق مدل موردی توسعه داده می شود . ما قالب پیشنهاد شده را بوسیلۀ ترکیب نکات برجسته ، حبابها و لبه ها ( حاشیه ها ) به عنوان ویژگی ها ، بکار می بریم و به لحاظ تجربی تأثیر آن در شرایط چالشی را بررسی می کنیم .
یک قالب ترکیب ویژگی طبقه بندی شده برای ردیابی بصری انطباقی تصویر و محاسبۀ بصری
