本研究针对在热红外视频中检测和跟踪多架无人机的挑战，提出了一种新的解决方案。通过构建基于YOLOv12和BoT-SORT的跟踪框架，并采用定制的训练和推理策略，实现了有效的多无人机跟踪，尤其是在未使用对比度增强或时间信息融合的情况下，展示了我们的研究成果的强大基线潜力。

本研究分析了YOLOv12架构，提出了优化的骨干网络和7x7可分离卷积，显著提升了特征提取效率和检测鲁棒性。实验结果表明，YOLOv12在精度和速度上均有显著提升，适用于自动化系统和安全监控等领域。

YOLOv12是一种实时目标检测器，结合了注意力机制和CNN模型的优势，研究表明其在准确性上超越了所有流行的实时目标检测器，并在不同模型规模中展现了优越的性能和竞争力的速度。