请您指出一种算法，该算法将逐帧执行的一系列对象检测作为输入并输出一系列过滤的对象检测，其中过滤器利用时间信息来提高原始检测的置信度和准确性。

因此，例如，我希望对特定类别进行一系列非常低置信度的检测，这些检测在 10 帧之间形成连贯的轨迹，随着时间的推移，输出的置信度会越来越高——如果这个物体在置信度为 5 的情况下始终被检测到% 那么它可能真的在那里。类似地，在单个帧的中间以 15% 的置信度检测到但在任何先前帧中都没有检测到的对象可能是误报，应该从输出中过滤掉或降低其置信度分数。

我希望这样的算法能够保留并考虑过去的 N 帧，然后执行某种多假设能量最小化过程？