El seguimiento de múltiples objetivos utilizando imágenes infrarrojas está recibiendo cada vez más atención. Hay muchos métodos de vanguardia, y la red de aprendizaje profundo y la separación de matrices de rango bajo y dispersas son dos tipos de métodos con alta precisión. Sin embargo, el primero sufre de muestras de entrenamiento pesadas, y el segundo requiere un procesamiento de alta dimensionalidad, lo que significa que su costo computacional es enorme. En este trabajo, se propone un método unificado de detección y seguimiento con separación de matrices y filtrado PMBM. En el proceso de detección, se construye un algoritmo de separación de matrices de rango bajo y dispersas con una forma diferenciable basada en una única imagen. En el proceso de filtrado, el estado de múltiples objetivos se modela como una distribución PMBM, que es conjugada en el marco bayesiano. Los dos procesos interactúan mutuamente en el sentido de que la detección proporciona medidas, y el filtrado ofrece información previa para la siguiente detección con el fin de mejorar la precisión. La complejidad computacional se da por un análisis teórico, que muestra una reducción significativa. El análisis numérico, realizado en un conjunto de datos práctico, verifica una mejora en las métricas BSF y SCRG y en las curvas ROC.