تعقب الأهداف المتعددة في سيناريوهات الرياضة أصبح أحد النقاط المحورية في رؤية الحاسوب، حيث شهد تقدماً ملحوظاً من خلال دمج تقنيات التعلم العميق. ومع ذلك، لا تزال هناك تحديات مثل إعادة تعريف اللاعبين بدقة عند عودتهم إلى المشهد وتخفيض عمليات التبديل بين المعرفات (ID switches). في هذا البحث، نقترح خوارزمية ارتباط عالمي تعتمد على الشكل المظهري مصممة لتحسين أداء التعقب من خلال تقسيم المسارات التي تحتوي على هويات متعددة وربط المسارات التي تبدو أنها تنتمي إلى نفس الهوية. يمكن استخدام هذه الطريقة كأداة تحسين جاهزة للتطبيق مع أي نظام تعقب لأهداف متعددة لتعزيز أدائه بشكل أكبر. حققت الطريقة المقترحة أداءً جديدًا يمثل أفضل ما تم الوصول إليه حتى الآن (state-of-the-art) على مجموعة بيانات SportsMOT بمعدل HOTA بلغ 81.04٪. وبالمثل، على مجموعة بيانات SoccerNet، زادت طرقنا من أداء عدة أنظمة تعقب بشكل مستمر، حيث ارتفع معدل HOTA من 79.41٪ إلى 83.11٪. تؤكد هذه التحسينات الملحوظة والثابتة عبر مختلف الأنظمة ومجموعات البيانات على الأثر المحتمل للطريقة المقترحة في تطبيقات تعقب اللاعبين الرياضيين. نقوم بفتح مصدر كود مشروعنا في https://github.com/sjc042/gta-link.git.