يقدم هذا البحث خوارزمية تتبع متعدد الأهداف عبر الإنترنت جديدة تُسمى Deep HM-SORT، وهي مصممة خصيصًا لتحسين تتبع الرياضيين في سياقات رياضية. غالبًا ما تواجه الطرق التقليدية للتتبع متعدد الأهداف صعوبات في البيئات الرياضية بسبب الشبه الكبير في مظهر اللاعبين، الحركات غير المنتظمة والغير متوقعة، وحركة الكاميرا الملحوظة. تعالج خوارزمية Deep HM-SORT هذه التحديات من خلال دمج الخصائص العميقة (deep features)، الوسط harmoni (الوسط التوافقي)، و Expansion IOU (تقاطع على الاتحاد الموسّع). عن طريق الاستفادة من الوسط التوافقي، يوازن طريقة بحثنا بشكل فعال بين مؤشرات المظهر والحركة، مما يقلل بشكل كبير من عمليات التبديل غير الصحيحة للمعرفات (ID-swaps). بالإضافة إلى ذلك، تحتفظ نهجنا بكافة المسارات الفرعية (tracklets) بشكل دائم، مما يحسن إعادة تحديد هوية اللاعبين الذين يغادرون ويعدون إلى الإطار. تُظهر النتائج التجريبية أن Deep HM-SORT تحقق أداءً رائدًا على مقاييس عامة كبيرة مثل SportsMOT وتحدي تتبع SoccerNet لعام 2023. وبشكل محدد، حققت طريقة بحثنا نسبة 80.1 HOTA على مجموعة بيانات SportsMOT ونسبة 85.4 HOTA على مجموعة بيانات SoccerNet-Tracking، مما يجعلها أفضل من المتعقبات الموجودة في مؤشرات رئيسية مثل HOTA، IDF1، AssA، و MOTA. توفر هذه الحلول القوية دقةً وموثوقيةً محسّنتين للتحليل الرياضي الآلي، مع تقديم تحسينات كبيرة على الطرق السابقة دون إدخال تكلفة حسابية إضافية.