多目的追跡（MOT）は、監視や自動運転などの複雑なシーンにおいて困難な課題となっています。本論文では、Siamese Bi-Gated Recurrent Unit (GRU) を用いて群衆や長期的な遮蔽によって切断されたトラックレットを再接続する新しいトラックレット処理手法を提案します。トラックレットの生成には、CNN と RNN によって抽出された物体特徴を使用して、疎な状況下で高信頼度のトラックレット候補を作成します。生成過程での誤追跡により、異なる物体からのトラックレットが双方向 GRU によっていくつかのサブトラックレットに分割されます。その後、同一の物体に属するサブトラックレットを連結して全体の軌道を形成するために、Siamese GRU を基にしたトラックレット再接続手法が適用されます。さらに、既存の MOT データセットからトラックレット画像を抽出し、ネットワークの訓練用に新しいデータセットを提案します。提案されたデータセットには95,160枚以上の歩行者画像が含まれており、793人の異なる人物が登録されています。平均的には、各人物につき120枚の位置とサイズが指定された画像があります。実験結果は、MOT16 上での最先端手法に対する当モデルの優位性を示しています。