لتعزيز التطورات في خوارزميات كشف الأجسام والتعقب والعد في مقاطع الفيديو التي تُصوّر بواسطة الطائرات المُسيرة، نُنشئ معيارًا مرجعيًا يعتمد على مجموعة بيانات كبيرة مُلتقطة بواسطة طائرات مُسيرة، تُسمّى DroneCrowd، وتشمل 112 مقطع فيديو يحتوي على 33,600 إطارًا عالي الدقة في سيناريوهات متنوعة. وتجدر الإشارة إلى أننا قمنا بتمييز 20,800 مسارًا لأشخاص يحتوي على 4.8 مليون رأس، بالإضافة إلى عدة صفات على مستوى الفيديو. في الوقت نفسه، طوّرنا شبكة تُعرف باسم Space-Time Neighbor-Aware Network (STNNet) كمُعيار قوي لحل مهام كشف الأجسام والتعقب والعد بشكل متكامل في الحشود الكثيفة. تتكوّن STNNet من وحدة استخراج الميزات، تليها رؤوس تقييم خريطة الكثافة، بالإضافة إلى شبكات فرعية للتحديد والارتباط. ولاستغلال المعلومات السياقية للأجسام المجاورة، صممنا دالة خسارة للسياق المجاور لتوجيه تدريب الشبكة الفرعية للارتباط، والتي تفرض اتساق الموضع النسبي للأجسام القريبة في المجال الزمني. أظهرت التجارب الواسعة على مجموعة بيانات DroneCrowd أن STNNet تتفوّق على أحدث التقنيات الحالية.