マルチオブジェクト追跡（Multi-object tracking: MOT）は、コンピュータビジョンにおける重要なタスクであり、広範な応用が期待されている。近年、オブジェクト検出と関連付けのプロセスを分離する「検出に基づく追跡（tracking-by-detection）」アプローチを採用した追跡器が、最先端の性能を示している。しかし、特徴量強化や距離測度といった技術は広く研究されている一方で、マッチング戦略そのものについては、まだ深掘りすべき領域が残っている。その結果、多くの追跡器は各追跡シナリオにおいて、感度の高いハイパーパラメータの手動調整を必要としており、動的環境における適応性とロバスト性に制限が生じている。こうした課題を解決するために、本研究では、新たな信頼度認識型マッチング戦略を特徴とする追跡器「CMTrack」を提案する。この戦略は、信頼度認識型カスケードマッチング（Confidence-aware Cascade Matching: CCM）、信頼度認識型メトリック統合（Confidence-aware Metric Fusion: CMF）、信頼度認識型特徴量更新（Confidence-aware Feature Update: CFU）の3つのモジュールから構成されている。本マッチング戦略により、統一されたフレームワーク内で多様な追跡シナリオに普遍的に対応できる実用的な解決策を実現しつつ、ハイパーパラメータの手動調整を不要とする。CMTrackの有効性は、MOT17、MOT20、DanceTrackの3つの代表的なMOTデータセットを用いた包括的な評価を通じて実証された。特に、本手法は既存の最先端追跡器を一貫して上回り、優れた一般化能力を示している。本研究のソースコードおよびモデルは、https://github.com/kamkyu94/CMTrack にて公開されている。