يُعد تتبع الكائنات المتعددة عبر الإنترنت (MOT) له تطبيقات واسعة في سيناريوهات تحليل الفيديو الحساسة للزمن، مثل توجيه الروبوتات والقيادة الذاتية. في نماذج التتبع عبر الكشف (tracking-by-detection)، يُعد التحدي الرئيسي في تتبع الكائنات المتعددة عبر الإنترنت هو كيفية ربط كشف الكائنات الضوضائية في الإطار الجديد للفيديو بالكائنات التي تم تتبعها سابقًا بشكل موثوق. في هذه الدراسة، نُصِف مشكلة التتبع عبر الإنترنت على أنها عملية اتخاذ قرارات في عمليات اتخاذ القرار الماركوفية (MDPs)، حيث يتم نمذجة عمر الكائن باستخدام عملية ماركوفية. ويعادل تعلُّم دالة التشابه لربط البيانات (data association) تعلُّم سياسة لعملية MDP، ويتم معالجة تعلُّم السياسة بطريقة تشبه التعلم المعزز (reinforcement learning)، مما يُتيح الاستفادة من مزايا كل من التعلم الخارجي (offline-learning) والتعلم عبر الإنترنت (online-learning) في عملية ربط البيانات. علاوة على ذلك، يمكن لإطار عملنا التعامل بشكل طبيعي مع ولادة/وفاة الأهداف، وظهور/اختفاء الأهداف، من خلال اعتبار هذه الظواهر كانتقالات بين حالات في عملية MDP، مع الاستفادة من الطرق الحالية لتحديد الكائنات الفردية عبر الإنترنت. أجرينا تجارب على معيار التتبع (MOT Benchmark) للتحقق من فعالية طريقة التتبع المقترحة.