Debido a que el número promedio de personas desaparecidas en nuestro país es de más de 20,000 por año, es importante determinar cómo localizar eficientemente a las personas desaparecidas. El método tradicional para encontrar personas desaparecidas implica desplegar cámaras fijas en algunos puntos críticos para capturar imágenes y utilizar humanos para identificar objetivos a partir de estas imágenes. Sin embargo, en este enfoque, se incurre en altos costos al desplegar suficientes cámaras para evitar puntos ciegos, y se desperdicia una gran cantidad de tiempo y esfuerzo humano en identificar posibles objetivos. Además, la mayoría de los sistemas de búsqueda basados en IA se centran en cómo mejorar el modelo de reconocimiento del cuerpo humano, sin considerar cómo acelerar la búsqueda para acortar el tiempo de búsqueda y mejorar la eficiencia de búsqueda, que es el objetivo de este estudio. Por lo tanto, al explotar las características de alta movilidad de los vehículos aéreos no tripulados (UAV), este estudio propone un marco integrado de planificación de rutas YOLOv5 y de priorización de peso humano jerárquico (HWF) para servir como un sistema de búsqueda eficiente con UAV, que funciona dividiendo todo el proceso de búsqueda en dos niveles. En el primer nivel, se despacha un UAV de búsqueda a una altitud mayor para capturar imágenes, cubriendo toda el área de búsqueda. Luego, se utiliza el conocido modelo de inteligencia artificial YOLOv5 para identificar a todas las personas en las imágenes capturadas y calcular puntajes ponderados correspondientes para cada bloque en el área de búsqueda, de acuerdo con los valores de los cuerpos humanos identificados, tipos de ropa y colores de ropa. En el segundo nivel, el UAV baja su altitud para capturar imágenes secuencialmente para cada bloque, en orden descendente según su puntaje ponderado en el primer nivel, y utiliza el modelo de reconocimiento YOLOv5 repetidamente hasta que se encuentra el objetivo de búsqueda. Se proponen además dos algoritmos de búsqueda mejorados, HWFR-S y HWFR-D, que incorporan el concepto de umbral de visita conveniente y diferencia de peso, respectivamente, para resolver el problema de las rutas de vuelo largas y redundantes del HWF. Los resultados de la simulación sugieren que los algoritmos de búsqueda HWF, HWFR-S y HWFR-D propuestos en este estudio no solo reducen efectivamente la longitud de la ruta de búsqueda de un UAV y el número de bloques de búsqueda, sino que también disminuyen el tiempo de búsqueda requerido para que un UAV localice el objetivo de búsqueda, con una precisión de búsqueda mucho mayor que la de los dos algoritmos de búsqueda tradicionales. Además, este marco integrado de YOLOv5 y HWF se implementa y prueba en un escenario real para demostrar su capacidad para mejorar la eficiencia de una operación de búsqueda y rescate.