https://dsiac.org/technical-inquiries/notable/infrared-imagery-of-tactical-vehicles-personnel/
赤外線画像はモノクロで熱いにせよ冷たいにせよ背景から浮きだすから
背景と違う部分を抽出し切り出すのは（今なら）割と容易だ
戦車とか歩兵でもおおむね長方形に切り出せるのはわかるだろ

可視光線画像でも色の違いとかパターンの連続（直線なんかの有無）を
抽出する事で背景から地平線、樹木、車両などを浮き出させることはできる
ただしそれぞれの抽出された物体がなんであるかは最新のテクノロジーでも
使わないとかなり難しい
そこで同じ範囲を写している赤外線画像と比較、照合して脅威となりそうな物体、
この場合は車両の範囲に熱があることで目標候補として判断するんだろう

で、二種類の画像から狙うべき範囲をさらに狭く絞り込んで目標候補の画像が完成する
アンテナなんかは赤外線画像に映ってないから削られたし樹木や地平線も排除された
これをテンプレートとして一時的に記憶し、後は多少目標が向きを変えたりしても
テンプレートから幅の変化などを許容範囲として追尾を続けたりするんじゃね
エンジンが隠れても可視光線で色や形状パターンの一致があれば追尾すると
極端な変化があれば追尾は外れると思うけどな