本发明涉及一种多无人机视域下目标跟踪方法、装置、设备及介质，在目标跟踪过程中，该方法重复的执行以下步骤：获取多无人机拍摄的图像并进行实时更新；将时序图像序列按照顺序输入Transformer网络进行特征提取，其中，第一帧图像作为初始化的目标模板，后续帧图像作为待搜索区域图像；将目标模板的特征图分别输入两路不同的卷积层，得到分类支路和回归支路，同时，将待搜索区域的特征图输入一个卷积层，得到卷积结果；分别用分类支路和回归支路作为卷积核对卷积结果进行卷积，得到分类结果和回归结果，回归结果作为目标框的检测结果，实现目标跟踪；基于目标框的检测结果与当前目标模板的相似度进行目标模板更新。与现有技术相比，本发明可以在较大范围内对运动目标进行持续准确的跟踪。