基于深度学习的RGBT目标跟踪研究进展

来源：计算机工程与应用杂志2025年第19期北京时间：

作者：张大伟, 王炫, 何小卫, 郑忠龙

单位：1.浙江师范大学 计算机科学与技术学院，浙江 金华 321004；2.多模态认知计算安徽省重点实验室，合肥 230601；3.浙江全省智能教育技术与应用重点实验室，浙江 金华 321004

摘要：目标跟踪是计算机视觉领域的一项重要任务，其中单目标跟踪是指在给定的视频序列中持续跟踪单个目标。然而可见光图像的成像依赖于光照条件，仅凭可见光信息难以满足低光照、雨雾天气等复杂恶劣环境下的目标跟踪。RGBT（RGB-thermal）目标跟踪是指结合热红外与可见光图像数据，利用双方互补优势共同实现跟踪任务，以提高跟踪的鲁棒性和准确性。随着深度学习的发展，目前RGBT目标跟踪领域研究成果众多，但现有大部分综述缺乏对近几年新兴的多模态融合研究前沿的介绍与总结。介绍了RGBT目标跟踪的概念与面临的挑战，将现有算法分为五大类进行梳理与分析，总结了当前主流的RGBT目标跟踪数据集与评价指标，并提供了各种跟踪算法在主流数据集上的性能对比，供研究人员参考，探讨了RGBT目标跟踪亟待解决的问题和潜在的研究方向，以期推动跟踪领域的进一步发展。

关键词：计算机视觉,深度学习,目标跟踪,热红外图像,多模态融合