En los últimos años, se ha logrado un progreso significativo en el seguimiento de objetos, pero persisten desafíos en el seguimiento de objetos en imágenes de alta resolución capturadas por drones. Estas imágenes suelen contener objetos muy pequeños, y el movimiento del dron provoca cambios rápidos en la escena. Además, la potencia de cálculo de las computadoras de misión en los drones a menudo es insuficiente para lograr un procesamiento en tiempo real del seguimiento de objetos basado en aprendizaje profundo. Este artículo presenta un rastreador de peatones en tiempo real en el dron que toma como entrada imágenes aéreas en 4K. El rastreador propuesto oculta de manera efectiva la larga latencia requerida para la detección basada en aprendizaje profundo (por ejemplo, YOLO) al aprovechar tanto la CPU como la GPU equipadas en la computadora de misión. También proponemos técnicas para minimizar la pérdida de detección en imágenes capturadas por drones, incluyendo un aumento de confianza asistido por el rastreador y un conjunto para la asociación de identidades. En nuestros experimentos, utilizando entradas del mundo real capturadas por drones a una altura de 50 m, el método propuesto con un NVIDIA Jetson TX2 demuestra su eficacia al lograr detección y seguimiento en tiempo real en flujos de video en 4K.