Los vehículos aéreos no tripulados (VANT) son muy populares y se utilizan cada vez más en diferentes aplicaciones. Hoy en día, el uso de múltiples VANT y enjambres de VANT está atrayendo más interés de la comunidad investigadora, lo que lleva a la exploración de temas como la cooperación entre VANT, la navegación autónoma de múltiples drones, etc. En este trabajo, proponemos dos enfoques para la persecución y evasión de VANT. El primer enfoque utiliza el aprendizaje por refuerzo profundo para predecir las acciones que se deben aplicar al VANT seguidor para seguir la pista del VANT objetivo. El segundo enfoque utiliza un detector de objetos profundo y una propuesta de área de búsqueda (SAP) para predecir la posición del VANT objetivo en el siguiente fotograma con fines de seguimiento. Los dos enfoques son prometedores y conducen a una mayor precisión de seguimiento con una intersección sobre la unión (IoU) por encima del umbral seleccionado. También mostramos que el enfoque basado en SAP profundo mejora la detección de objetos distantes que cubren áreas pequeñas en la imagen. La eficiencia de los algoritmos propuestos se demuestra en escenarios de seguimiento al aire libre utilizando VANT reales.