Le suivi multi-objets (MOT) joue un rôle fondamental dans de nombreux domaines de la vision par ordinateur. Les algorithmes de suivi par détection récents traitent le MOT comme deux tâches distinctes : la détection et l’association. Toutefois, les traqueurs existants dépendent souvent de seuils sensibles pour associer les trajectoires antérieures aux résultats de détection actuels, afin de former des trajectoires complètes au cours d’une vidéo. Ces seuils sont cruciaux pour la performance du suivi et nécessitent un réglage manuel pour chaque jeu de données, voire chaque séquence, ce qui limite fortement leur adaptabilité dans les applications réelles. Pour résoudre ce problème, nous proposons dans cet article AdapTrack, un nouvel algorithme de MOT conçu pour s’adapter à divers scénarios sans nécessiter de configuration manuelle des seuils. Grâce à une stratégie d’appariement soigneusement conçue, notre traqueur sélectionne de manière adaptive les seuils appropriés pour chaque trame et associe correctement les objets détectés. En conséquence, AdapTrack obtient des résultats supérieurs aux méthodes de pointe actuelles sur les benchmarks standards MOT17 et MOT20. Le code source complet est disponible à l’adresse suivante : https://github.com/kamkyu94/AdapTrack.