本发明公开一种基于语义引导图像融合的自适应目标检测方法，行人可见光图像IV输入可见光检测分支得到可见光检测损失，并优化可见光检测分支；行人红外图像II输入红外光检测分支得到红外光检测损失，并优红外光检测分支；行人可见光图像IV和行人红外光图像II输入融合分支后得到融合后图像IF和融合损失，融合后图像分别输入可见光检测分支和红外光检测分支得到检测驱动损失，上述训练过程中得到的融合损失和检测驱动损失共同优化融合分支；融合图像输入固定检测网络得到检测结果：基于语义特征引导的图像融合训练网络推理得到的融合后图像输入一个固定检测网络后得到最终的检测结果。本发明能够有效提高目标检测准确率。