정지된 플랫폼(예: 감시 카메라)에서의 다객체 추적(Multi-object tracking, MOT)은 다양한 패러다임을 통해 상당한 진전을 이루었으며, 매력적인 성능을 제공하고 있다. 그러나 드론과 같은 동적 플랫폼에서는 기존의 MOT 기법의 효과성이 크게 저하된다. 이는 드론 기반 MOT 시나리오에서 발생하는 독특한 도전 과제들 때문이며, 다음과 같다: (1) 이미지 평면상에서 객체가 일반적으로 작고 흐리며 자주 가려져 있어 감지 및 인식이 어려움; (2) 드론이 이동하면서 다양한 각도에서 객체를 관측하기 때문에 객체의 예측 위치 및 특징 임베딩이 신뢰할 수 없게 된다. 본 논문은 이러한 문제를 해결하기 위해 DroneMOT를 제안한다. DroneMOT는 드론의 빠른 이동 특성을 고려하여, 소형, 흐릿하고 가려진 객체에 대해 기반 객체 탐지 및 특징 임베딩을 향상시키는 이중 도메인 통합 주의(Dual-domain Integrated Attention, DIA) 모듈을 최초로 도입한다. 또한, 드론과 객체의 동시 이동을 고려한 혁신적인 운동 기반 연관(Motion-Driven Association, MDA) 기법을 제안한다. MDA 내에서는 다양한 시점에서 관측된 객체 특징을 동적으로 갱신하기 위한 적응형 특징 동기화(Adaptive Feature Synchronization, AFS) 기술을 제시한다. 더불어, 객체 위치를 예측하기 위해 이중 운동 기반 예측(Dual Motion-based Prediction, DMP) 방법을 도입한다. 마지막으로, 개선된 특징 임베딩과 예측된 위치 정보를 통합하여 객체 간 연관성을 강화한다. VisDrone2019-MOT 및 UAVDT 데이터셋에 대한 종합적인 평가 결과, DroneMOT는 드론 기반 MOT 분야에서 최신 기술 대비 상당한 성능 향상을 보였다.