多目标跟踪（Multi-object tracking, MOT）在计算机视觉的多个领域中发挥着关键作用。近年来，基于检测的跟踪算法将MOT问题分解为独立的检测与关联两个任务。然而，现有跟踪器通常依赖于对关联阈值的敏感设置，以将前一帧的轨迹与当前帧的检测结果进行匹配，从而构建完整的视频轨迹。这些阈值对跟踪性能至关重要，但需针对每个数据集甚至每段视频手动调优，严重限制了其在真实场景中的适应能力。为解决这一问题，本文提出AdapTrack——一种新型MOT算法，能够在无需人工设定阈值的情况下，自适应地应对不同场景。通过精心设计的匹配策略，该跟踪器可动态为每一帧选择合适的关联阈值，实现对检测目标的准确关联。实验结果表明，AdapTrack在标准MOT基准数据集MOT17和MOT20上均优于现有最先进方法。所有源代码已开源，地址为：https://github.com/kamkyu94/AdapTrack。