方彦策，赵君灵，黄昭龙，李旗挺，杜立超，张宏江，宋眉眉

(1.中国海洋大学 信息科学与工程学部，山东 青岛 266100；2.天津理工大学 理学院，天津 300384；3.中国运载火箭技术研究院 研究发展部，北京 100076)

0 引言

目标跟踪是计算机视觉领域中的一个重要的问题，在自动驾驶[1]、无人机[2]、机器人[3]等领域有广泛应用。在目标跟踪的早期阶段，卡尔曼滤波[4]，光流法[5]等方法已被陆续用于目标跟踪。然而，缓慢的计算速度和较低的精度限制了目标跟踪水平进一步的发展。同时，传统的可见光目标跟踪容易受到天气、光线、视频图像质量等各种干扰。近年来，在通过可见光视频进行目标跟踪的基础上，将红外视频图像引入目标跟踪的做法，有效地提高了传统目标跟踪的效果，这一方法被称为可见光与红外融合目标跟踪方法(RGBT, RGB-infrared fusion tracking)。Yilmaz等人[6]在2006年对当时最先进的目标跟踪方法进行了总结，但当时的方法仍然存在精度等方面的不足。近年来，人工智能技术的持续发展有力地促进了目标跟踪技术的进步，突破了传统可见光与红外融合目标跟踪的发展瓶颈，为可见光与红外融合的目标跟踪技术不断提供新的思路、框架和工具，并逐渐在速度和准确性之间取得平衡，成为进一步研究的重点。Zhang等人在2020年[7]从稀疏表示、相关滤波、深度学习等方面梳理了可见光和红外融合的主要方法。本文面向可见光与红外融合目标跟踪技术的发展历程，特别针对近两年来出现的新方法和新技术，对可见光与红外融合目标跟踪技术的研究现状进行总结。……