En escenarios de seguridad pública, como la seguridad en eventos a gran escala y la gestión de multitudes urbanas, los vehículos aéreos no tripulados (VANT) sirven como una herramienta vital para la localización de multitudes, ofreciendo alta movilidad y amplia cobertura. Sin embargo, la localización aérea basada en VANT enfrenta desafíos, incluyendo variaciones significativas en la escala del objetivo debido a cambios de altitud y mala visibilidad de características en condiciones de poca luz. Para superar estos problemas, este estudio mejora el marco UAV-Dot al introducir una rama de predicción de escala para el ajuste adaptativo del mapa de calor gaussiano, incorporando un módulo de atención CBAM en el codificador U-Net para fortalecer la extracción de características en entornos oscuros y optimizando el posprocesamiento a través de umbrales dinámicos y agrupamiento DBSCAN. Los experimentos en el conjunto de datos DroneCrowd muestran que el modelo mejorado aumenta los parámetros solo en un 0.36% durante el entrenamiento y un 0.29% durante la prueba, logrando un 53.38% de L-mAP, superando al UAV-Dot original en un 2.38% y al STNNet en un 12.93%. El modelo también ofrece ganancias consistentes de aproximadamente un 2% en L-AP@10, L-AP@15 y L-AP@20.