CSIG图像图形技术挑战赛是由中国图象图形学学会主办的系列赛事，迄今已成功举办六届。学会作为挑战赛的主办方，积极发挥专家优势和组织优势，搭建学术界与产业界之间的沟通桥梁，帮助解决企业技术难题，挖掘优秀人才，促进我国图像图形技术及相关产业的发展和应用。第六届挑战赛共设七个赛道，吸引了来自国内外高校、科研机构及企业共2879支队伍报名参赛。

获得第六届CSIG图像图形技术挑战赛总决赛亚军的团队是“CSIG 2025 红外视频卫星空中动目标检测挑战赛”赛道冠军北京邮电大学计算机学院(国家示范性软件学院)王吴凡特聘副研究员团队。团队面向国家重大战略需求，围绕计算机视觉、智能无人系统等方向开展基础研究、技术攻关和应用落地。

赛道介绍

红外小目标检测技术应用广泛，在空中交通管控、民航飞机监视、异常事件预警、精确制导等军民领域得到了广泛应用。近年来，随着深度学习技术的发展，红外小目标检测领域迅速发展，涌现出大量基于单帧红外图像的检测方法。然而，单帧检测方法在复杂场景下（如卫星红外视频）难以检出低信杂比目标。依托本次挑战赛竞赛模式，本团队引入时空滤波和多帧关联分析技术，提升红外小目标检测跟踪算法的鲁棒性与泛化性，推动相关技术在侦察预警、应急救援等领域的落地应用。

本次竞赛的主要任务是对视频中的红外小目标质心进行预测，附加任务是对目标进行跟踪。参赛队伍可根据红外视频特点自行设计算法，利用主办方提供的数据集进行模型训练和验证，最终以召回率（Recall）、精确率（Precision）和F1分数衡量方法性能，同时综合考虑轨迹完整度和轨迹准确度作为附加评价指标，最终得分由基础得分与附加分相加得到。

数据集简介

竞赛数据集由国防科技大学与武汉大学联合构建，包括：基于热红外卫星的IRAir数据集、基于Landsat卫星的IRSatVideo-LEO数据集，以及武汉一号卫星热红外视频数据，共1400段视频序列（其中1000段用于训练，200段用于验证，200段用于测试）。初赛阶段发布训练集和验证集视频及掩码标签；进入评测阶段后公布测试集视频，测试集标签不公开。

赛题数据集介绍

参赛方案介绍

单一模型面对复杂场景数据时，会因优化目标冲突而产生梯度互斥，从而陷入不同场景的目标难以检出的瓶颈，为应对该挑战，本团队基于多场景自适应思想构建模块化系统，将不同场景的数据流分派至专属的模块进行优化，提升整体感知性能，大幅提升基础得分。

多场景自适应示意图

此外，相机运动会破坏时空滤波所依赖的稳定背景假设，降低检测性能且严重影响后续跟踪的稳定性与准确性，为此，本团队引入运动前馈补偿模块，通过高效的频域对齐抵消背景移动，保证背景的时空一致性，大幅提升了运动目标的检测精度。

 鲁棒高效相位转换示意图

对于复杂背景下的弱小运动目标，低信杂比引起的目标漏检和误检会导致跟踪结果的不连续。为解决该挑战，本团队引入了两阶段轨迹优化方法：在线阶段生成初步跟踪轨迹，离线阶段依据目标运动学机理，对轨迹进行清理、融合与重构，最终拿到全部的附加得分。

轨迹优化方案示意图

参赛总结与展望

本团队提出了一种面向卫星红外视频空中动目标的高性能检测跟踪方法，该方法基于多场景自适应分流、相机运动精准高效前馈补偿与基于目标物理运动机理的轨迹优化三大核心模块，实现了复杂场景下卫星红外视频空中运动目标的精准鲁棒检测。以下是部分检测跟踪结果展示：

红外视频卫星空中动目标检测跟踪效果

未来，团队将进一步围绕以下三个方面展开深入研究：第一，在实时性方面，研究红外小目标检测模型轻量化方法，在保证检测精度的同时实现高实时性；第二，融合可见光等更多模态信息，实现对复杂场景的全面感知；第三，推动红外弱小目标检测跟踪相关技术在国产硬件平台的部署与广泛应用。