تلعب التتبع متعدد الكائنات (MOT) دورًا محوريًا في مجالات متعددة من الرؤية الحاسوبية، حيث تُعامل خوارزميات التتبع بناءً على الكشف (tracking-by-detection) مشكلة التتبع كمهمتين منفصلتين: الكشف والربط. ومع ذلك، فإن المُتتبعات الحالية تعتمد غالبًا على حدود حساسة لربط المسارات السابقة مع نتائج الكشف الحالية عند بناء المسارات الكاملة عبر الفيديو. تُعد هذه الحدود حاسمة لأداء التتبع، وتحتاج إلى ضبط يدوي لكل مجموعة بيانات أو حتى لكل تسلسل، مما يحد من قابلية التكيّف في التطبيقات الواقعية. لمعالجة هذه المشكلة، نقدم في هذا البحث خوارزمية MOT الجديدة AdapTrack، المصممة لتوفير التكيّف في سيناريوهات مختلفة دون الحاجة إلى تهيئة يدوية للحدود. وباستخدام استراتيجية مطورة بعناية لربط الكائنات، يمكن لمحرك التتبع اختيار الحدود المناسبة تلقائيًا لكل إطار وربط الكائنات المكتشفة بشكل صحيح. وبذلك، تُظهر AdapTrack أداءً متفوقًا على معايير التتبع القياسية MOT17 وMOT20 مقارنةً بالطرق المتطورة الحالية. وجميع أكواد المصدر متاحة عبر الرابط: https://github.com/kamkyu94/AdapTrack.