Apuntando al problema de seguimiento en tiempo real de múltiples vehículos aéreos no tripulados (UAVs) basado en video bajo condiciones de niebla, proponemos un método de seguimiento en tiempo real multitarget que combina el algoritmo Deepsort con detección basada en el mejoramiento del desempañado de canal oscuro y el algoritmo YOLOv5 mejorado. Las contribuciones de este trabajo son las siguientes: 1. Para el problema de seguimiento multitarget bajo interferencia de niebla, se propone un método de combinación de múltiples algoritmos. 2. Al optimizar el desempañado de canal oscuro, la complejidad del algoritmo original se reduce de a , lo que simplifica el tiempo de procesamiento del algoritmo de desempañado. 3. La estructura de red YOLOv5 se optimiza para que la red pueda reducir sincrónicamente el tiempo de detección manteniendo una detección de alta precisión. 4. Se reduce la cantidad de procesamiento del algoritmo mediante la compresión del tamaño de imagen, mejorando el rendimiento en tiempo real bajo un seguimiento de alta precisión. En los experimentos realizados, el método propuesto mejoró la precisión de seguimiento en un 36.1% y la velocidad de seguimiento en un 39%. El tiempo promedio de seguimiento por cuadro de imagen fue de 0.036s, satisfaciendo el seguimiento en tiempo real de múltiples UAVs en condiciones de niebla.