複数対象追跡（Multiple-Object Tracking, MOT）において、堅牢かつ効率的な対応手法の探求は常に重要な課題である。現存の追跡手法は優れた性能を達成しているものの、混雑したシーンや頻発する隠蔽現象は依然として大きな課題を残している。本研究では、密なシーンにおけるスパース分解が、隠蔽された対象を正確に対応させるための鍵となる重要なステップであることを明らかにした。これを踏まえ、2次元画像から対象間の相対深度を推定する疑似深度推定手法を提案する。さらに、得られた深度情報を活用して、密集した対象集合を複数のスパースな対象サブセットに変換し、近い順から遠い順へと順次データ対応を実行する「深度段階的マッチング（Depth Cascading Matching, DCM）」アルゴリズムを設計した。本手法では、疑似深度推定とDCM戦略をデータ対応プロセスに統合し、新たな追跡器「SparseTrack」を提案する。SparseTrackは、混雑したシーンにおけるMOT問題解決に新たな視点を提供する。IoUマッチングのみを用いても、MOT17およびMOT20ベンチマークにおいて最先端（SOTA）手法と同等の性能を達成した。コードおよびモデルは、\url{https://github.com/hustvl/SparseTrack} にて公開されている。