El aterrizaje seguro y la rápida recuperación de las cápsulas de reentrada son muy importantes para las misiones de naves espaciales tripuladas. Una variedad de factores inciertos, como la precisión del control de vuelo y la velocidad del viento, conducen a una baja precisión en la predicción de la órbita y a un amplio rango de aterrizaje de las cápsulas de reentrada. Es necesario realizar el seguimiento autónomo y la observación continua en video de la cápsula de reentrada durante la fase de baja altitud. Con el objetivo de la misión de aterrizaje de la cápsula de retorno Shenzhou, el artículo propone un nuevo enfoque para el seguimiento autónomo de las cápsulas de reentrada Shenzhou basado en la detección de video y enjambres de UAV heterogéneos. Se desarrolla un algoritmo de detección de objetivos en video a múltiples escalas basado en aprendizaje profundo para reconocer las cápsulas de reentrada y obtener datos de posicionamiento. Se propone un método de control autoorganizado basado en un campo potencial virtual para realizar el vuelo cooperativo de los enjambres de UAV. Se establece un sistema de simulación hardware-in-the-loop para verificar el método. Los resultados muestran que la cápsula de reentrada puede ser detectada en cuatro estados diferentes, y la tasa de precisión de detección de la cápsula con paracaídas es del 99.5%. El enjambre de UAV logró efectivamente el seguimiento autónomo de la cápsula de reentrada Shenzhou basado en la posición obtenida mediante la detección de video. Esto es de gran importancia en la búsqueda en tiempo real de cápsulas de reentrada y en la garantía de la seguridad de los astronautas.