在视频序列中进行多目标跟踪（MOT）仍然是一个具有挑战性的任务，特别是在存在显著摄像机运动的情况下。这是因为目标在图像平面上可能会发生较大偏移，导致跟踪结果出现错误。解决这类问题通常需要额外的外观线索或摄像机运动补偿（CMC）。尽管这些策略有效，但它们也引入了相当大的计算负担，对实时多目标跟踪构成了挑战。为此，我们提出了一种基于新型运动模型的跟踪器——UCMCTrack，该跟踪器对摄像机运动具有较强的鲁棒性。与传统的逐帧计算补偿参数的CMC方法不同，UCMCTrack在整个视频序列中始终应用相同的补偿参数。它在地面上使用卡尔曼滤波器，并引入了映射马氏距离（Mapped Mahalanobis Distance, MMD）作为传统交并比（Intersection over Union, IoU）距离度量的替代方案。通过利用地面投影的概率分布，我们的方法能够高效地捕捉运动模式，并巧妙地管理由单应性投影引入的不确定性。值得注意的是，仅依赖于运动线索的UCMCTrack在多个具有挑战性的数据集上实现了最先进的性能，包括MOT17、MOT20、DanceTrack和KITTI。更多详细信息和代码可访问：https://github.com/corfyi/UCMCTrack