Es crucial que los vehículos superficiales no tripulados (USVs) detecten y rastreen en tiempo real los barcos circundantes para evitar colisiones en el mar. Sin embargo, el entorno marítimo adverso plantea grandes desafíos para el seguimiento multitarget (MTT). En este documento, se propone un novedoso marco de seguimiento por detección que integra el pipeline multimodelo y multicue (MC), con el objetivo de mejorar el rendimiento de detección y seguimiento. En cuanto al multimodelo, pronosticamos la probabilidad de maniobra de un barco objetivo a través del modelo de unidad recurrente con compuerta (GRU) con un mecanismo de atención, y fusionamos sus salidas respectivas como la salida de un filtro cinemático. Desarrollamos un modelo de afinidad híbrido basado en múltiples señales, como el movimiento, apariencia y actitud del barco ego en la etapa de asociación de datos. Al utilizar el enfoque propuesto de reidentificación de barcos, el rastreador tenía la capacidad de emparejamiento de apariencia a través del aprendizaje métrico. La evaluación experimental de dos conjuntos de datos marítimos públicos mostró que nuestro método logró un rendimiento de vanguardia, no solo en cambios de identidad (IDS) sino también en tasas de cuadros.