تتبنى الطرق الحالية للعد غالبًا نماذج تعتمد على الانحدار ولا تستطيع تحديد موقع الأهداف بدقة، مما يعيق التحليل الأعمق (مثل الفهم الرفيع والتصنيف الدقيق). بالإضافة إلى ذلك، تركز معظم الأعمال السابقة بشكل أساسي على عد الأشياء في بيئات ثابتة باستخدام كاميرات ثابتة. بفضل ظهور المركبات الطائرة بدون طيار (أي الطائرات بدون طيار)، أصبحنا مهتمين بكشف وعد الأشياء في هذه البيئات الديناميكية. نقترح شبكات اقتراح التخطيط (LPNs) والأنوية المكانية لعد وتتبع مواقع الأهداف (مثل السيارات) في مقاطع الفيديو المسجلة بواسطة الطائرات بدون طيار بشكل متزامن. على خلاف الطرق التقليدية لاقتراح المناطق، نستفيد من المعلومات المتعلقة بتخطيط المساحة (مثل أن السيارات غالبًا ما تتوقف بشكل منتظم) وندمج هذه القيود المكانية المنظمة في شبكتنا لتحسين دقة التحديد. لتقييم طريقة العد الخاصة بنا، نقدم مجموعة بيانات جديدة وممتدة لمواقف السيارات (CARPK) تحتوي على حوالي 90,000 سيارة تم التقاطها من مواقف مختلفة. حسب علم us، إنها أول وأكبر مجموعة بيانات من وجهة نظر الطائرات بدون طيار تدعم عد الأشياء وتوفّر شروط الصناديق الحدودية (bounding box annotations).