1.基于时间自适应双向桥接的RGB‑D目标跟踪方法，其特征在于，包括以下步骤：

步骤一、使用视觉Transformer ViT将RGB模态和深度模态图像切分成图像块，并将图像块嵌入到潜在空间中，并进行特征提取；

步骤二、通过时间自适应双向桥接模块进行RGB模态和深度模态之间的特征融合；所述的时间自适应双向桥接模块包括预融合模块、交叉注意力模块和时序自适应分支；具体步骤如下：步骤2.1、预融合模块通过线性层将RGB和深度两个模态的初始特征进行预融合，生成模板融合特征；

步骤2.2、交叉注意力模块采用交叉注意力机制，对RGB模态和深度模态进行特征匹配和融合，获得融合特征；

步骤2.3、时序自适应分支，根据目标在时间维度上的变化，动态更新RGB模态的在线模板图像特征和深度模态的在线模板图像特征，并对RGB模态的初始模板图像特征、深度模态的初始模板图像特征进行动态调整和优化，以捕捉目标的外观变化；

步骤三：预测头设计，通过预测头输出目标的分类结果和边界框位置，利用融合特征进行分类和边界框回归，以确定目标在当前帧中的位置；预测头通过交叉熵损失函数、L1损失函数和GIoU损失函数进行模型训练，优化分类结果和边界框回归结果。

2.根据权利要求1所述的基于时间自适应双向桥接的RGB‑D目标跟踪方法，其特征在于，步骤一的具体步骤为：步骤1.1、输入双模态数据：将RGB模态和深度模态的搜索区域图像、初始模板图像和在线模板图像输入到视觉Transformer ViT中；视觉Transformer ViT将每个图像切分成P×P个图像块，并通过线性层将图像块嵌入到潜在空间中，形成初始特征向量；

步骤1.2、特征提取：使用共享参数的Transformer块对初始特征向量进行特征提取，得到初始图像特征；初始特征包括RGB模态的搜索区域图像特征、RGB模态的初始模板图像特征、RGB模态的在线模板图像特征、深度模态的搜索区域图像特征、深度模态的初始模板图像特征和深度模态的在线模板图像特征。

3.根据权利要求2所述的基于时间自适应双向桥接的RGB‑D目标跟踪方法，其特征在于，步骤2.2具体为：首先将RGB模态的模板区域图像特征作为查询，将RGB模态与深度模态的模板融合特征作为键和值，进行交叉注意力计算，获取进一步融合特征；然后将深度模态的搜索区域图像特征作为查询，将RGB模态与深度模态的在线模板图像特征作为键和值，进行交叉注意力计算，进一步增强两个模态的特征交互；再互换各自的查询与键和值，进行对称的模态特征交互。

4.根据权利要求3所述的基于时间自适应双向桥接的RGB‑D目标跟踪方法，其特征在于，在Transformer块的第4层、第7层和第10层分别插入时间自适应双向桥接模块。

5.根据权利要求4所述的基于时间自适应双向桥接的RGB‑D目标跟踪方法，其特征在于，预测头设计包括以下内容：融合特征通过三个并行的预测子网络提取任务特定的特征表示，分别用于生成分类得分图、边界框大小和偏移量。

6.根据权利要求5所述的基于时间自适应双向桥接的RGB‑D目标跟踪方法，其特征在于，步骤2.3中的时序自适应分支，通过动态阈值选择更新RGB模态的在线模板图像特征和深度模态的在线模板图像特征，具体步骤为：（1）设定一个动态阈值，根据当前帧的分类得分和边界框回归结果，判断是否需要更新RGB模态的在线模板图像特征和深度模态的在线模板图像特征；

（2）如果当前帧的分类得分超过设定阈值，则将当前帧的目标特征作为新的RGB模态的在线模板图像特征和深度模态的在线模板图像特征。

7.一种基于时间自适应双向桥接的RGB‑D目标跟踪系统，其特征在于，包括：

视觉Transformer ViT，用于将RGB模态和深度模态图像切分成图像块，并将图像块嵌入到潜在空间中，并进行特征提取，得到初始特征；初始特征包括RGB模态的搜索区域图像特征、RGB模态的初始模板图像特征、RGB模态的在线模板图像特征、深度模态的搜索区域图像特征、深度模态的初始模板图像特征和深度模态的在线模板图像特征；

时间自适应双向桥接模块，用于进行RGB模态和深度模态之间的特征融合；所述的时间自适应双向桥接模块包括预融合模块、交叉注意力模块和时序自适应分支；

预融合模块用于通过线性层将RGB和深度两个模态的初始特征进行预融合，生成模板融合特征；交叉注意力模块采用交叉注意力机制，对RGB模态和深度模态进行特征匹配和融合，获得融合特征；时序自适应分支根据目标在时间维度上的变化，动态更新RGB模态的在线模板图像特征和深度模态的在线模板图像特征，并对RGB模态的初始模板图像特征、深度模态的初始模板图像特征进行动态调整和优化，以捕捉目标的外观变化；

预测头，用于输出目标的分类结果和边界框位置，利用融合特征进行分类和边界框回归，以确定目标在当前帧中的位置；预测头通过交叉熵损失函数、L1损失函数和GIoU损失函数进行模型训练，优化分类结果和边界框回归结果。

8.根据权利要求7所述的基于时间自适应双向桥接的RGB‑D目标跟踪系统，其特征在于，将RGB模态和深度模态的搜索区域图像、初始模板图像和在线模板图像输入到视觉Transformer ViT中；视觉Transformer ViT将每个图像切分成P×P个图像块，并通过线性层将图像块嵌入到潜在空间中，形成初始特征向量；使用共享参数的Transformer块对初始特征向量进行特征提取，得到初始图像特征。

9.根据权利要求8所述的基于时间自适应双向桥接的RGB‑D目标跟踪系统，其特征在于，时序自适应分支通过动态阈值选择更新RGB模态的在线模板图像特征和深度模态的在线模板图像特征，具体步骤为：（1）设定一个动态阈值，根据当前帧的分类得分和边界框回归结果，判断是否需要更新RGB模态的在线模板图像特征和深度模态的在线模板图像特征；

（2）如果当前帧的分类得分超过设定阈值，则将当前帧的目标特征作为新的RGB模态的在线模板图像特征和深度模态的在线模板图像特征。

10.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现权利要求1 6任一所述的基于时间自适应双向桥接~的RGB‑D目标跟踪方法。