Para resolver o problema da impossibilidade de desacoplar e cooperar entre características temporais e espaciais nos métodos de rastreamento existentes, propõe-se o rastreador Mamba de reforço duplo guiado para rastreamento visual de alvos. Com base na espinha dorsal Vision Mamba, foi projetado um módulo de colaboração de características espaço-temporais, que separa e reforça bidirecionalmente as informações espaço-temporais acopladas; construiu-se uma estrutura de dois ramos que imita o mecanismo de atenção, permitindo que características rasas imitem o foco de características profundas, aumentando a capacidade discriminativa; introduziu-se uma estratégia dinâmica de reforço e atualização de modelos, por meio da colaboração de bibliotecas de memória de curto e longo prazo, realizando uma iteração adaptativa do modelo. Os resultados experimentais mostraram que a precisão e a taxa de sucesso atingiram 93,7% e 75,6%, respectivamente, no conjunto de dados OTB100; em LaSOT, TrackingNet e GOT-10k, alcançou desempenho líder ou quase líder em vários indicadores, incluindo AUC de LaSOT de 75,8%, TrackingNet de 86,2% e taxa média de sobreposição de GOT-10k de 78,9%. Este algoritmo equilibra efetivamente a colaboração entre características temporais e espaciais, superando métodos comparativos principais no desempenho geral, demonstrando alta precisão e robustez diante de desafios complexos.

Rastreamento de alvos;Mamba;colaboração espaço-temporal;imitação de atenção;atualização dinâmica de modelos