Los videos aéreos de drones ofrecen un futuro prometedor en los medios digitales modernos y en aplicaciones de teledetección, pero rastrear efectivamente varios objetos en estas grabaciones es difícil. Las imágenes aéreas de drones suelen incluir paisajes complicados con objetos en movimiento, como personas, vehículos y animales. Escenarios complicados, como cambios de ángulo de visión a gran escala y cruces de objetos, pueden ocurrir simultáneamente. Se mezclan conjuntos finitos aleatorios en un marco de seguimiento basado en detección, teniendo en cuenta la ubicación y apariencia del objeto. Mantiene la información de la caja de detección del objeto detectado y construye el marco de predicción de posición del objeto Box-MeMBer basado en el seguimiento de objetos de punto de conjunto finito aleatorio MeMBer. Desarrollamos una estructura de conexión jerárquica en la red OSNet, construimos MB-OSNet para obtener la información de apariencia del objeto y conectamos mapas de características de diferentes niveles a través de la jerarquía para que la red pueda obtener información semántica rica en diferentes tamaños. Se calculan y recopilan medidas de similitud para todas las detecciones y trayectorias en una matriz de costos que estima la probabilidad de todas las coincidencias posibles. Las entradas de la matriz de costos comparan la similitud de las trayectorias y detecciones en términos de posición y apariencia. El algoritmo DB-Tracker se desempeña excelentemente en el seguimiento de múltiples objetivos en videos aéreos de drones, logrando un MOTA del 37.4% y 46.2% en los conjuntos de datos VisDrone y UAVDT, respectivamente. DB-Tracker logra una alta robustez al considerar de manera integral la información de posición y apariencia del objeto, especialmente al manejar escenas complejas y oclusión de objetivos. Esto convierte a DB-Tracker en una herramienta poderosa en aplicaciones desafiantes como los videos aéreos de drones.