Single-Object Tracking in Remote Sensing Video： Advances and Prospects

DONG Yanni; ZHANG Lefei; DU Bo; ZHANG Liangpei

doi:10.13203/j.whugis20260276

您当前的位置：

首页 >

文章列表页 >

Single-Object Tracking in Remote Sensing Video： Advances and Prospects

Photogrammetry and Remote Sensing | 更新时间：2026-11-05

- Single-Object Tracking in Remote Sensing Video： Advances and Prospects
- Geomatics and Information Science of Wuhan University Vol. 51, Issue 10, Pages: 2180-2195(2026)
- 作者机构：
  
  1.武汉大学资源与环境科学学院，湖北武汉，430079
  2.武汉大学计算机学院，湖北武汉，430072
  3.武汉大学测绘遥感信息工程全国重点实验室，湖北武汉，430079
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20260276
  CLC： P237
- Received：21 July 2026，
  
  Published：05 October 2026
- 稿件说明：
移动端阅览
董燕妮,张乐飞,杜博，等.遥感视频单目标跟踪：进展与展望[J].武汉大学学报（信息科学版）,2026,51(10):2180-2195.

DONG Yanni,ZHANG Lefei,DU Bo,et al.Single-Object Tracking in Remote Sensing Video: Advances and Prospects[J].Geomatics and Information Science of Wuhan University,2026,51(10):2180-2195.
董燕妮,张乐飞,杜博，等.遥感视频单目标跟踪：进展与展望[J].武汉大学学报（信息科学版）,2026,51(10):2180-2195. DOI：10.13203/j.whugis20260276

DONG Yanni,ZHANG Lefei,DU Bo,et al.Single-Object Tracking in Remote Sensing Video: Advances and Prospects[J].Geomatics and Information Science of Wuhan University,2026,51(10):2180-2195. DOI：10.13203/j.whugis20260276

摘要

遥感视频单目标跟踪通过持续获取运动目标的轨迹与状态变化，推动遥感分析由静态识别走向动态过程理解。以无人机视频、卫星视频和高光谱视频中的单目标跟踪为对象，系统介绍观测平台与数据获取、训练数据来源、数据集及评价协议，梳理3个研究分支的方法演进，并从目标表征、时序状态建模、多源信息利用以及跨域适配与高效部署等方面归纳共性技术问题。分析表明，相关研究已由通用视觉模型的直接迁移逐步转向面向不同观测平台、成像方式和连续观测特点的针对性设计，但专用训练基础尚不充分，长期状态维护的可靠性不足，多源输入适配与实际平台运行之间仍缺少协同考虑。最后，从遥感视频数据与训练基础、序列级目标状态建模以及多源输入适配与端侧运行3个方面进行展望。

Abstract

Single-object tracking in remote sensing video continuously estimates the spatial state of a specified moving target

thereby capturing its trajectory and state evolution over time and extending remote sensing analysis from static object recognition to dynamic process understanding. Compared with conventional single-object tracking in natural scenes

single-object tracking in remote sensing video faces additional challenges arising from platform motion

long-range imaging

small target size

limited spatial detail

complex background interference

and heterogeneous spectral observations. The methodological development is therefore shaped by observation platform

imaging mechanism

data availability

and onboard computing resource. Single-object tracking in unmanned aerial vehicle videos

satellite videos

and hyperspectral videos is systematically reviewed in terms of observation platforms and data acquisition

training data sources

benchmark datasets

evaluation protocols

and model development. For unmanned aerial vehicle videos

the methodological evolution has broadly followed the development of generic visual tracking

progressing from online discriminative learning and Siamese matching to Transformer-based interaction and one-stream joint encoding. The related methods increasingly emphasize target representation under aerial views

temporal context modeling

interference suppression

and efficient token processing. Single-object tracking in satellite video has gradually moved beyond the direct transfer of generic trackers. Early studies mainly focused on search-region adjustment

template maintenance

motion constraints

and state representation

whereas more recent methods incorporate historical observations into deep matching

preserve high-resolution features for small targets

enhance target-aware interactions

maintain historical states

and explicitly estimate target orientation. Single-object tracking in hyperspectral video seeks to convert spectral responses into discriminative target representations. Representative strategies include explicit material feature construction

band grouping and pseudo-color transformation

joint spatial-spectral modeling

and prompt- or adapter-based transfer from pretrained visual backbones. Several common technical issues arise across these research branches. Small targets and repeated downsampling operations weaken target-specific details

while background clutter and visually similar instances increase the risk of target-distractor confusion. Historical templates

temporal tokens

trajectories

and memory states improve adaptation to appearance and motion changes. However

unreliable predictions can accumulate and propagate over long sequences. Target state modeling therefore needs to jointly organize geometric states

appearance cues

motion trends

visibility

and prediction confidence while controlling error propagation during recursive updates. Multi-source information fusion provides complementary spectral

thermal

material

and semantic cues

but band redundancy

noise

spatial misregistration

missing modalities

and limited training data complicate representation learning and feature interaction. Domain shifts induced by changes in platforms

sensors

illumination

weather

and geographic environments further challenge model generalization. Practical deployment requires joint consideration of tracking accuracy

computational latency

memory consumption

parameter adaptation costs

and robustness to changing inputs. The existing research has shifted from the direct transfer of generic visual models toward specialized designs tailored to different observation platforms

imaging mechanisms

and continuous-observation characteristics. Nevertheless

the dedicated training resources remain limited

long-term target state maintenance remains vulnerable to error accumulation

and multi-source input adaptation has yet to be coordinated with efficient operation on real remote sensing platforms. Future research should strengthen remote sensing video data and training foundations

advance sequence-level target state modeling

and coordinate multi-source input adaptation with resource-aware edge deployment. These advances will help transform continuous remote sensing observations into reliable target trajectories and state information for traffic monitoring

maritime surveillance

emergency response

and dynamic scene understanding.

关键词

Keywords

references

LI S Y ， SUN X ， GU Y F ， et al . Recent Advances in Intelligent Processing of Satellite Video： Challenges， Methods， and Applications ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2023 ， 16 ： 6776 - 6798 .

LIU F ， WANG J H ， JIAO L C ， et al . Remote Sensing Video Tracking： Current Status， Challenges， and Future ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2025 ， 18 ： 14338 - 14367 .

JIAO L C ， ZHANG X ， LIU X ， et al . Transformer Meets Remote Sensing Video Detection and Tracking： A Comprehensive Survey ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2023 ， 16 ： 18 - 45 .

SMEULDERS A W ， CHU D M ， CUCCHIARA R ， et al . Visual Tracking： An Experimental Survey ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2014 ， 36 （ 7 ）： 1442 - 1468 .

韩瑞泽，冯伟，郭青，等 . 视频单目标跟踪研究进展综述［J］. 计算机学报， 2022 ， 45 （ 9 ）： 1877 - 1907 .

HAN Ruize ， FENG Wei ， GUO Qing ， et al . The Research of Single Object Tracking： A Survey ［J］. Chinese Journal of Computers ， 2022 ， 45 （ 9 ）： 1877 - 1907 .

MUELLER M ， SMITH N ， GHANEM B . A Benchmark and Simulator for UAV Tracking ［C］// The 14th European Conference on Computer Vision （ECCV）， Amsterdam， The Netherlands ， 2016 .

CHEN Y Z ， TANG Y Q ， XIAO Y ， et al . Satellite Video Single Object Tracking： A Systematic Review and an Oriented Object Tracking Benchmark ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2024 ， 210 ： 212 - 240 .

QIAN K ， SHEN J L ， WANG S Q ， et al . Recent Advances in Object Tracking Using Hyperspectral Videos： A Survey ［J］. Multimedia Tools and Applications ， 2024 ， 83 （ 18 ）： 56155 - 56181 .

WU Y ， LIM J ， YANG M H . Object Tracking Benchmark ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2015 ， 37 （ 9 ）： 1834 - 1848 .

KRISTAN M ， MATAS J ， LEONARDIS A ， et al . The Ninth Visual Object Tracking VOT2021 Challenge Results ［C］// IEEE/CVF International Conference on Computer Vision ， Montreal， Canada ， 2021 .

WANG Y ， LI X ， YANG X ， et al . Deep Feature-Based Hyperspectral Object Tracking： An Experimental Survey and Outlook ［J］. Remote Sensing ， 2025 ， 17 （ 4 ）： 645 .

LI S ， YEUNG D Y . Visual Object Tracking for Unmanned Aerial Vehicles： A Benchmark and New Motion Models ［C］// AAAI Conference on Artificial Intelligence ， San Francisco， USA ， 2017 .

FAN H ， WEN L Y ， DU D W ， et al . VisDrone-SOT2020： The Vision Meets Drone Single Object Tracking Challenge Results ［C］// The 16th European Conference on Computer Vision （ECCV）， Glasgow， UK ， 2020 .

ZHANG C H ， HUANG G J ， LIU L ， et al . WebUAV-3M： A Benchmark for Unveiling the Power of Million-Scale Deep UAV Tracking ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2023 ， 45 （ 7 ）： 9186 - 9205 .

肖云，曹丹，李成龙，等 . 基于高空无人机平台的多模态跟踪数据集［J］. 中国图象图形学报， 2025 ， 30 （ 2 ）： 361 - 374 .

XIAO Yun ， CAO Dan ， LI Chenglong ， et al . A Benchmark Dataset for High-Altitude UAV Multi-modal Tracking ［J］. Journal of Image and Graphics ， 2025 ， 30 （ 2 ）： 361 - 374 .

ZHAO M Q ， LI S Y ， XUAN S Y ， et al . SatSOT： A Benchmark Dataset for Satellite Video Single Object Tracking ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 1 - 11 .

LI Y ， JIAO L ， HUANG Z ， et al . Deep Learning-Based Object Tracking in Satellite Videos： A Comprehensive Survey with a New Dataset ［J］. IEEE Geoscience and Remote Sensing Magazine ， 2022 ， 10 （ 4 ）： 181 - 212 .

YIN Q ， HU Q Y ， LIU H ， et al . Detecting and Tracking Small and Dense Moving Objects in Satellite Videos： A Benchmark ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 1 - 18 .

XIONG F C ， ZHOU J ， QIAN Y T . Material Based Object Tracking in Hyperspectral Videos ［J］. IEEE Transactions on Image Processing ， 2020 ， 29 ： 3719 - 3733 .

WANG H Z ， LI W ， XIA X G ， et al . BihoT： A Large-Scale Dataset and Benchmark for Hyperspectral Camouflaged Object Tracking ［J］. IEEE Transactions on Neural Networks and Learning Systems ， 2025 ， 36 （ 9 ）： 16392 - 16406 .

FAN H ， LIN L T ， YANG F ， et al . LaSOT： A High-Quality Benchmark for Large-Scale Single Object Tracking ［C］// 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Long Beach， USA ， 2019 .

HUANG L H ， ZHAO X ， HUANG K Q . GOT-10k： A Large High-Diversity Benchmark for Generic Object Tracking in the Wild ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2021 ， 43 （ 5 ）： 1562 - 1577 .

MÜLLER M ， BIBI A ， GIANCOLA S ， et al . TrackingNet： A Large-Scale Dataset and Benchmark for Object Tracking in the Wild ［C］// The 15th European Conference on Computer Vision （ECCV）， Munich， Germany ， 2018 .

LIN T Y ， MAIRE M ， BELONGIE S ， et al . Microsoft COCO： Common Objects in Context ［C］// The 13th European Conference on Computer Vision （ECCV）， Zurich， Switzerland ， 2014 .

孙子文，钱立志，杨传栋，等 . 基于Transformer的视觉目标跟踪方法综述［J］. 计算机应用， 2024 ， 44 （ 5 ）： 1644 - 1654 .

SUN Ziwen ， QIAN Lizhi ， YANG Chuandong ， et al . Survey of Visual Object Tracking Methods Based on Transformer ［J］. Journal of Computer Applications ， 2024 ， 44 （ 5 ）： 1644 - 1654 .

陈琳，刘允刚 . 面向无人机的视觉目标跟踪算法：综述与展望［J］. 信息与控制， 2022 ， 51 （ 1 ）： 23 - 40 .

CHEN Lin ， LIU Yungang . UAV Visual Target Tracking Algorithms： Review and Future Prospect ［J］. Information and Control ， 2022 ， 51 （ 1 ）： 23 - 40 .

李洋帆，李伟，田静，等 . 遥感卫星视频目标跟踪方法综述［J］. 中国空间科学技术（中英文）， 2025 ， 45 （ 5 ）： 60 - 74 .

LI Yangfan ， LI Wei ， TIAN Jing ， et al . Object Tracking in Satellite Videos： A Survey ［J］. Chinese Space Science and Technology ， 2025 ， 45 （ 5 ）： 60 - 74 .

许廷发，李天昊，王颖，等 . 光谱信息扩展的单目标跟踪技术研究进展［J］. 信号处理， 2024 ， 40 （ 11 ）： 1925 - 1950 .

XU Tingfa ， LI Tianhao ， WANG Ying ， et al . Recent Advances in Single Object Tracking Methods with Extended Spectral Information ［J］. Journal of Signal Processing ， 2024 ， 40 （ 11 ）： 1925 - 1950 .

HENRIQUES J F ， CASEIRO R ， MARTINS P ， et al . High-Speed Tracking with Kernelized Correlation Filters ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2015 ， 37 （ 3 ）： 583 - 596 .

DANELLJAN M ， HAGER G ， KHAN F S ， et al . Discriminative Scale Space Tracking ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2017 ， 39 （ 8 ）： 1561 - 1575 .

DANELLJAN M ， BHAT G ， KHAN F S ， et al . ECO： Efficient Convolution Operators for Tracking ［C］// 2017 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Honolulu， USA ， 2017 .

HUANG Z Y ， FU C H ， LI Y M ， et al . Learning Aberrance Repressed Correlation Filters for Real-Time UAV Tracking ［C］// 2019 IEEE/CVF International Conference on Computer Vision （ICCV）， Seoul， South Korea ， 2019 .

LI Y M ， FU C H ， DING F Q ， et al . AutoTrack： Towards High-Performance Visual Tracking for UAV With Automatic Spatio-Temporal Regularization ［C］// 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Seattle， USA ， 2020 .

邵延华，陈慧玲，付贵，等 . 融合图像增强的正则化相关滤波无人机目标跟踪［J］. 中国图象图形学报， 2025 ， 30 （ 10 ）： 3302 - 3318 .

SHAO Yanhua ， CHEN Huiling ， FU Gui ， et al . Fuse Image Enhancement with a Regularized Correlation Filter for Target Tracking of UAVs ［J］. Journal of Image and Graphics ， 2025 ， 30 （ 10 ）： 3302 - 3318 .

BERTINETTO L ， VALMADRE J ， HENRIQUES J F ， et al . Fully-Convolutional Siamese Networks for Object Tracking ［C］// 14th European Conference on Computer Vision （ECCV）， Amsterdam， The Netherlands ， 2016 .

LI B ， YAN J J ， WU W ， et al . High Performance Visual Tracking with Siamese Region Proposal Network ［C］// 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Salt Lake City， USA ， 2018 .

FU C H ， CAO Z A ， LI Y M ， et al . Onboard Real-Time Aerial Tracking With Efficient Siamese Anchor Proposal Network ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 1 - 13 .

XING D T ， EVANGELIOU N ， TSOUKALAS A ， et al . Siamese Transformer Pyramid Networks for Real-Time UAV Tracking ［C］// 2022 IEEE/CVF Winter Conference on Applications of Computer Vision （WACV）， Waikoloa， USA ， 2022 .

CAO Z A ， FU C H ， YE J J ， et al . HiFT： Hierarchical Feature Transformer for Aerial Tracking ［C］// 2021 IEEE/CVF International Conference on Computer Vision （ICCV）， Montreal， Canada ， 2021 .

CAO Z A ， HUANG Z Y ， PAN L ， et al . TCTrack： Temporal Contexts for Aerial Tracking ［C］// 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， New Orleans， USA ， 2022 .

WU Y ， LI Y X ， LIU M Y ， et al . Learning an Adaptive and View-Invariant Vision Transformer for Real-Time UAV Tracking ［J］. IEEE Transactions on Circuits and Systems for Video Technology ， 2026 ， 36 （ 2 ）： 2403 - 2418 .

WU Y ， WANG X C ， YANG X Y ， et al . Learning Occlusion-Robust Vision Transformers for Real-Time UAV Tracking ［C］// 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Nashville， USA ， 2025 .

LI S W ， YANG X Y ， WANG X C ， et al . Learning Target-Aware Vision Transformers for Real-Time UAV Tracking ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 1 - 18 .

XUAN S Y ， LI S Y ， HAN M F ， et al . Object Tracking in Satellite Videos by Improved Correlation Filters With Motion Estimations ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2020 ， 58 （ 2 ）： 1074 - 1086 .

XUAN S Y ， LI S Y ， ZHAO Z F ， et al . Rotation Adaptive Correlation Filter for Moving Object Tracking in Satellite Videos ［J］. Neurocomputing ， 2021 ， 438 ： 94 - 106 .

CHEN S L ， WANG T Y ， WANG H S ， et al . Vehicle Tracking on Satellite Video Based on Historical Model ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2022 ， 15 ： 7784 - 7796 .

刘耀胜，廖育荣，林存宝，等 . 基于特征融合与抗遮挡的卫星视频目标跟踪方法［J］. 北京航空航天大学学报， 2022 ， 48 （ 12 ）： 2537 - 2547 .

LIU Yaosheng ， LIAO Yurong ， LIN Cunbao ， et al . Feature-Fusion and Anti-Occlusion Based Target Tracking Method for Satellite Videos ［J］. Journal of Beijing University of Aeronautics and Astronautics ， 2022 ， 48 （ 12 ）： 2537 - 2547 .

RUAN L ， GUO Y J ， YANG D Q ， et al . Deep Siamese Network with Motion Fitting for Object Tracking in Satellite Videos ［J］. IEEE Geoscience and Remote Sensing Letters ， 2022 ， 19 ： 1 - 5 .

NIE Y D ， BIAN C J ， LI L G . Object Tracking in Satellite Videos Based on Siamese Network with Multidimensional Information-Aware and Temporal Motion Compensation ［J］. IEEE Geoscience and Remote Sensing Letters ， 2022 ， 19 ： 1 - 5 .

YANG J W ， PAN Z X ， LIU Y H ， et al . Single Object Tracking in Satellite Videos Based on Feature Enhancement and Multi-level Matching Strategy ［J］. Remote Sensing ， 2023 ， 15 （ 17 ）： 4351 .

YANG J W ， PAN Z X ， WANG Z M ， et al . SiamMDM： An Adaptive Fusion Network with Dynamic Template for Real-Time Satellite Video Single Object Tracking ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2023 ， 61 ： 1 - 19 .

吕京国，白颖奇，王琛 . 一种抗遮掩的卫星视频目标跟踪算法［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 9 ）： 1586 - 1596 .

LÜ Jingguo ， BAI Yingqi ， WANG Chen . Anti-occlusion Target Tracking Algorithm Based on Satellite Video ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 9 ）： 1586 - 1596 .

ZHOU J W ， DONG Y N ， DU B . SiamTITP： Incorporating Temporal Information and Trajectory Prediction Siamese Network for Satellite Video Object Tracking ［J］. IEEE Transactions on Image Processing ， 2025 ， 34 ： 4120 - 4133 .

SHAO J ， DU B ， WU C ， et al . HRSiam： High-Resolution Siamese Network， Towards Space-Borne Satellite Video Tracking ［J］. IEEE Transactions on Image Processing ， 2021 ， 30 ： 3056 - 3068 .

LAI P J ， ZHANG M L ， CHENG G ， et al . Target-Aware Transformer for Satellite Video Object Tracking ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 1 - 10 .

ZHU Q Q ， HUANG X ， GUAN Q F . TabCtNet： Target-Aware Bilateral CNN-Transformer Network for Single Object Tracking in Satellite Videos ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2024 ， 128 ： 103723 .

CHEN Y Z ， YUAN Q Q ， XIAO Y ， et al . STAR： A Unified Spatiotemporal Fusion Framework for Satellite Video Object Tracking ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2025 ， 63 ： 1 - 22 .

ZHOU J W ， DONG Y N ， ZHANG Y X ， et al . Incorporating Prior Knowledge and Temporal Memory Transformer Network for Satellite Video Object Tracking ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2025 ， 228 ： 630 - 647 .

WANG J H ， LIU F ， JIAO L C ， et al . Satellite Video Object Tracking Based on Location Prompts ［J］. IEEE Transactions on Circuits and Systems for Video Technology ， 2024 ， 34 （ 7 ）： 6253 - 6264 .

CHEN Y Z ， TANG Y Q ， YUAN Q Q ， et al . REPS： Rotation Equivariant Siamese Network Enhanced by Probability Segmentation for Satellite Video Tracking ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2024 ， 128 ： 103741 .

CHEN L L ， ZHAO Y Q ， YAO J X ， et al . Object Tracking in Hyperspectral-Oriented Video with Fast Spatial-Spectral Features ［J］. Remote Sensing ， 2021 ， 13 （ 10 ）： 1922 .

XIONG F C ， SUN Y L ， ZHOU J ， et al . Spatial⁃Spectral⁃Temporal Correlation Filter for Hyperspectral Object Tracking ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2025 ， 63 ： 1 - 13 .

LI W ， HOU Z F ， ZHOU J ， et al . SiamBAG： Band Attention Grouping-Based Siamese Object Tracking Network for Hyperspectral Videos ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2023 ， 61 ： 1 - 12 .

LI Z F ， XIONG F C ， ZHOU J ， et al . Learning a Deep Ensemble Network with Band Importance for Hyperspectral Object Tracking ［J］. IEEE Transactions on Image Processing ， 2023 ， 32 ： 2901 - 2914 .

LIU Z Q ， WANG X Y ， ZHONG Y F ， et al . SiamHYPER： Learning a Hyperspectral Object Tracker from an RGB-Based Tracker ［J］. IEEE Transactions on Image Processing ， 2022 ， 31 ： 7116 - 7129 .

王永鑫，夏慧琳，姜贺，等 . 基于光谱分割的孪生融合高光谱目标跟踪［J］. 红外与激光工程， 2025 ， 54 （ 2 ）： 20240525 .

WANG Yongxin ， XIA Huilin ， JIANG He ， et al . Hyperspectral Target Tracking Based on Siamese Fusion with Spectral Segmentation ［J］. Infrared and Laser Engineering ， 2025 ， 54 （ 2 ）： 20240525 .

CHEN Y Z ， YUAN Q Q ， TANG Y Q ， et al . SENSE： Hyperspectral Video Object Tracker via Fusing Material and Motion Cues ［J］. Information Fusion ， 2024 ， 109 ： 102395 .

CHEN Y Z ， YUAN Q Q ， TANG Y Q ， et al . SPIRIT： Spectral Awareness Interaction Network with Dynamic Template for Hyperspectral Object Tracking ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 1 - 16 .

WANG H Z ， LI W ， XIA X G ， et al . Transformer-Based Band Regrouping with Feature Refinement for Hyperspectral Object Tracking ［J］. IEEE Tran⁃sactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 1 - 14 .

GAO L ， CHEN L K ， LIU P ， et al . A Transformer-Based Network for Hyperspectral Object Tracking ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2023 ， 61 ： 1 - 11 .

CHEN Y Z ， TANG Y Q ， SU X ， et al . PHTrack： Prompting for Hyperspectral Video Tracking ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 1 - 18 .

ZHOU J W ， ZHANG J Q ， DONG Y N . Incorporating Prompt Learning and Adaptive Dropping Hyperspectral Information Tracker for Hyperspectral Object Tracking ［C］// The 14th Workshop on Hyperspectral Imaging and Signal Processing： Evolution in Remote Sensing （WHISPERS）， Helsinki， Finland ， 2024 .

JIANG W H ， ZHAO D ， WANG C ， et al . Hyperspectral Video Object Tracking with Cross-Modal Spectral Complementary and Memory Prompt Network ［J］. Knowledge⁃Based Systems ， 2025 ， 330 ： 114595 .

CHEN Y Z ， YUAN Q Q ， TANG Y Q ， et al . SSTtrack： A Unified Hyperspectral Video Tracking Framework via Modeling Spectral-Spatial-Temporal Conditions ［J］. Information Fusion ， 2025 ， 114 ： 102658 .

XUE Y L ， JIN G D ， SHEN T ， et al . SmallTrack： Wavelet Pooling and Graph Enhanced Classification for UAV Small Object Tracking ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2023 ， 61 ： 1 - 15 .

孙波，杨春成，徐立，等 . 基于多阶段特征和非对称-膨胀卷积的目标跟踪［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 9 ）： 1712 - 1722 .

SUN Bo ， YANG Chuncheng ， XU Li ， et al . An Object Tracking Method Based on Multi-stage Features and Asymmetric-Dilated Convolution ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 9 ）： 1712 - 1722 .

MAYER C ， DANELLJAN M ， BHAT G ， et al . Transforming Model Prediction for Tracking ［C］// 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， New Orleans， USA ， 2022 .

CUI Y T ， JIANG C ， WANG L M ， et al . MixFormer： End-to-End Tracking with Iterative Mixed Attention ［C］// 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， New Orleans， USA ， 2022 .

YE B T ， CHANG H ， MA B P ， et al . Joint Feature Learning and Relation Modeling for Tracking： A One-Stream Framework ［C］// The 17th European Conference on Computer Vision （ECCV）， Tel Aviv， Israel ， 2022 .

LI S W ， YANG Y X ， ZENG D ， et al . Adaptive and Background-Aware Vision Transformer for Real-Time UAV Tracking ［C］// 2023 IEEE/CVF International Conference on Computer Vision （ICCV）， Paris， France ， 2023 .

MAYER C ， DANELLJAN M ， PANI PAUDEL D ， et al . Learning Target Candidate Association to Keep Track of What Not to Track ［C］// 2021 IEEE/CVF International Conference on Computer Vision （ICCV）， Montreal， Canada ， 2021 .

ZHANG W ， JIAO L ， LIU F ， et al . MBLT： Learning Motion and Background for Vehicle Tracking in Satellite Videos ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 1 - 15 .

CAI W R ， LIU Q J ， WANG Y H . HIPTrack： Visual Tracking with Historical Prompts ［C］// 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Seattle， USA ， 2024 .

ZHENG Y ， ZHONG B ， LIANG Q ， et al . ODTrack： Online Dense Temporal Token Learning for Visual Tracking ［C］// The 38th Annual AAAI Conference on Artificial Intelligence ， Vancouver， Canada ， 2024 .

XIE J X ， ZHONG B N ， MO Z Y ， et al . Autoregressive Queries for Adaptive Tracking with Spatio-Temporal Transformers ［C］// 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Seattle， USA ， 2024 .

BAI Y F ， ZHAO Z Y ， GONG Y H ， et al . ARTrackV2： Prompting Autoregressive Tracker Where to Look and How to Describe ［C］// 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Seattle， USA ， 2024 .

HUANG Y ， LIN L ， ZHUANG W ， et al . Drift-Resilient Temporal Priors for Visual Tracking ［C］// 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Denver， USA ， 2026 .

HUANG Y Q ， LI X ， ZHOU Z K ， et al . RTracker： Recoverable Tracking via PN Tree Structured Memory ［C］// 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Seattle， USA ， 2024 .

GUO M Z ， TAN W P ， RAN W Y ， et al . DreamTrack： Dreaming the Future for Multimodal Visual Object Tracking ［C］// 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Nashville， USA ， 2025 .

WANG H Z ， LI W ， XIA X G ， et al . SSF-Net： Spatial-Spectral Fusion Network With Spectral Angle Awareness for Hyperspectral Object Tracking ［J］. IEEE Transactions on Image Processing ， 2025 ， 34 ： 3518 - 3532 .

QIN H L ， XU T F ， LI T H ， et al . MUST： The First Dataset and Unified Framework for Multispectral UAV Single Object Tracking ［C］// 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Nashville， USA ， 2025 .

WU Y N ， JIAO L C ， LIU X ， et al . Domain Adaptation-Aware Transformer for Hyperspectral Object Tracking ［J］. IEEE Transactions on Circuits and Systems for Video Technology ， 2024 ， 34 （ 9 ）： 8041 - 8052 .

ZHU J W ， LAI S M ， CHEN X ， et al . Visual Prompt Multi-modal Tracking ［C］// 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Vancouver， Canada ， 2023 .

HOU X J ， XING J Z ， QIAN Y J ， et al . SDSTrack： Self-Distillation Symmetric Adapter Learning for Multi-modal Visual Object Tracking ［C］// 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Seattle， USA ， 2024 .

TAN Y D ， SHAO J W ， ZAMFIR E ， et al . What You Have Is What You Track： Adaptive and Robust Multimodal Tracking ［C］// 2025 IEEE/CVF International Conference on Computer Vision （ICCV）， Honolulu， USA ， 2025 .

LI H ， WANG Y ， HAO W ， et al . RAGTrack： Language-Aware RGBT Tracking with Retrieval-Augmented Generation ［C］// 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition ， Denver， USA ， 2026 .

LIU C ， MA X ， YANG X C ， et al . COMO： Cross-Mamba Interaction and Offset-Guided Fusion for Multimodal Object Detection ［J］. Information Fusion ， 2026 ， 125 ： 103414 .

YE J J ， FU C H ， ZHENG G Z ， et al . Unsupervised Domain Adaptation for Nighttime Aerial Tracking ［C］// 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， New Orleans， USA ， 2022 .

FU C H ， LI T ， YE J J ， et al . Scale-Aware Domain Adaptation for Robust UAV Tracking ［J］. IEEE Robotics and Automation Letters ， 2023 ， 8 （ 6 ）： 3764 - 3771 .

FU C H ， YAO L L ， ZUO H B ， et al . SAM-DA： UAV Tracks Anything at Night with SAM-Powered Domain Adaptation ［C］// 2024 International Conference on Advanced Robotics and Mechatronics （ICARM）， Tokyo， Japan ， 2024 .

YAO S Y ， ZHU R ， WANG Z Q ， et al . UMDATrack： Unified Multi-domain Adaptive Tracking Under Adverse Weather Conditions ［C］// 2025 IEEE/CVF International Conference on Computer Vision （ICCV）， Honolulu， USA ， 2025 .

董燕妮，秦学翔，张玉香，等 . 多级空间特征的平衡测度学习遥感图像域适应分类［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 6 ）： 1182 - 1193 .

DONG Yanni ， QIN Xuexiang ， ZHANG Yuxiang ， et al . Balanced Metric Learning in Multilevel Spatial Features for Domain Adaptation in Remote Sensing Image Classification ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 6 ）： 1182 - 1193 .

YAN B ， PENG H W ， WU K ， et al . LightTrack： Finding Lightweight Neural Networks for Object Tracking via One-Shot Architecture Search ［C］// 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Nashville， USA ， 2021 .

KANG B ， CHEN X ， WANG D ， et al . Exploring Lightweight Hierarchical Vision Transformers for Efficient Visual Tracking ［C］// 2023 IEEE/CVF International Conference on Computer Vision （ICCV）， Paris， France ， 2023 .

康奔，陈鑫，赵洁，等 . TMamba：面向高效目标跟踪的视觉状态空间模型［J］. 中国图象图形学报， 2025 ， 30 （ 10 ）： 3199 - 3214 .

KANG Ben ， CHEN Xin ， ZHAO Jie ， et al . TMamba： A Visual State-Space Model for Efficient Object Tracking ［J］. Journal of Image and Graphics ， 2025 ， 30 （ 10 ）： 3199 - 3214 .

LI J N ， YUAN X Y ， QIN H L ， et al . CVT-Track： Concentrating on Valid Tokens for One-Stream Tracking ［J］. IEEE Transactions on Circuits and Systems for Video Technology ， 2025 ， 35 （ 1 ）： 33 - 44 .

WU H ， WANG X ， ZHANG J ， et al . UTPTrack： Towards Simple and Unified Token Pruning for Visual Tracking ［C］// 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Denver， USA ， 2026 .

XUE C C ， ZHONG B N ， LIANG Q H ， et al . Similarity-Guided Layer-Adaptive Vision Transformer for UAV Tracking ［C］// 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Nashville， USA ， 2025 .

LIN L T ， FAN H ， ZHANG Z P ， et al . Tracking Meets LoRA： Faster Training， Larger Model， Stronger Performance ［C］// The 18th European Con-ference on Computer Vision （ECCV）， Milano， Italy ， 2024 .

CAI W R ， LIU Q J ， WANG Y H . SPMTrack： Spatio-Temporal Parameter-Efficient Fine-Tuning with Mixture of Experts for Scalable Visual Tracking ［C］// 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Nashville， USA ， 2025 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Remote Sensing Video Production and Traffic Information Extraction Based on Urban Skyline

Research Progress on Uncertainty in Radiometric Benchmark Transfer for Ocean Targets

Thoughts on Smart Nautical Charts

Three-State Fusion Support Problem of Marine Geographic Information for Ship Navigation

Machine Learning-Based Remote Sensing Retrieval of Soil Moisture： Advances and Challenges

Related Author

WANG Chisheng

WANG Lehan

ZHANG Juan

YE Aiwen

ZHONG Guoxi

WANG Yongquan

CUI Hongxing

LI Qingquan

Related Institution

Key Laboratory for Geo‐Environmental Monitoring of Great Bay Area, MNR, Shenzhen University

Guangdong Laboratory of Artificial Intelligence and Digital Economy

Guangdong Key Laboratory of Urban Informatics, Shenzhen University

Shenzhen Key Laboratory of Spatial Smart Sensing and Services, Shenzhen University

The HongKong University of Science and Technology, HongKong

AI问答

⁰