Los videos aéreos de drones tienen un inmenso potencial en vigilancia, rescate, agricultura y planificación urbana. Sin embargo, el seguimiento preciso de múltiples objetos en videos aéreos de drones enfrenta desafíos como la oclusión, variaciones de escala y movimiento rápido. Los métodos actuales de detección y seguimiento conjunto a menudo comprometen la precisión. Proponemos un algoritmo de seguimiento de múltiples objetos de drones basado en un transformador holístico y un patrón de coincidencia de trayectoria de múltiples características para superar estos desafíos. El transformador holístico captura información de interacción local y global, proporcionando características de detección y apariencia precisas para el seguimiento. El rastreador incluye tres componentes: preprocesamiento, predicción de trayectoria y coincidencia. El preprocesamiento categoriza las cajas de detección según los puntajes, con cada categoría adoptando reglas de coincidencia específicas. La predicción de trayectoria emplea el método de densidad de hipótesis de probabilidad de mezcla gaussiana visual para integrar los resultados de detección visual y prever con precisión el movimiento de los objetos. El patrón de múltiples características introduce distancias de asignación de subpatrones gaussiano, de apariencia y óptimas para diferentes tipos de cajas de detección (patrón de coincidencia de trayectoria GAO) en el proceso de asociación de datos, mejorando la robustez del seguimiento. Realizamos validaciones comparativas en los conjuntos de datos de visión y drones (VisDrone) y los puntos de referencia de vehículos aéreos no tripulados; los conjuntos de datos de detección y seguimiento de objetos (UAVDT) afirman la efectividad del algoritmo: obtuvo un 38.8% y un 61.7% de MOTA, respectivamente. Su potencial para una integración fluida en aplicaciones de ingeniería prácticas ofrece una mayor conciencia situacional y eficiencia operativa en misiones basadas en drones.