본 논문에서는 다중 대상 추적 문제의 두 가지 핵심 측면에 초점을 맞춥니다: 1) 검출을 연관시키기 위한 정확한 친화도 측정 방법 설계와 2) 효율적이고 정확한 (거의 실시간) 다중 대상 추적 알고리즘 구현입니다. 첫 번째 기여로, 우리는 시간적으로 멀리 떨어진 두 검출 사이의 상대적인 운동 패턴을 장기 관심점 궤적(IPTs)을 사용하여 인코딩하는 새로운 집약적 국부 유동 설명자(Aggregated Local Flow Descriptor, ALFD)를 소개합니다. IPTs를 활용함으로써, ALFD는 응용 시나리오에 관계없이 검출 매칭 가능성을 추정하기 위한 강건한 친화도 측정 방법을 제공합니다. 두 번째 기여로, 우리는 거의 실시간 다중 대상 추적(Near-Online Multi-target Tracking, NOMT) 알고리즘을 제시합니다. 추적 문제는 시간 창 내에서 대상과 검출 간의 데이터 연관성 문제로 표현되며, 매 프레임마다 반복적으로 수행됩니다. NOMT는 효율적이면서도, ALFD 메트릭, 대상 역학, 외모 유사성 및 장기 궤적 규제 등의 여러 힌트를 모델에 통합하여 강건성을 달성합니다. 우리의 점진적 분석은 ALFD 메트릭이 다른 전통적인 친화도 메트릭보다 우수함을 확인합니다. 우리는 KITTI 및 MOT 데이터셋이라는 두 개의 도전적인 추적 데이터셋에서 포괄적인 실험 평가를 수행했습니다. ALFD 메트릭과 결합된 NOMT 방법은 두 데이터셋 모두에서 현저한 마진(약 10% 높은 MOTA)으로 최고의 정확도를 달성했습니다.