El seguimiento de múltiples objetos (MOT) es un tema de investigación importante en el campo de la visión por computadora, que incluye la detección de objetos y la asociación de datos. Sin embargo, problemas como la detección perdida y el desajuste de trayectorias a menudo conducen a la falta de información del objetivo, lo que resulta en un seguimiento de objetivos perdidos y fragmentación de trayectorias. La confianza uniforme en el seguimiento tampoco es propicia para la plena utilización de los resultados de detección. Considerando estos problemas, primero proponemos una estrategia de separación de umbrales, que establece diferentes umbrales de seguimiento para la coincidencia de similitud y la coincidencia de intersección sobre unión (IoU) durante la asociación para hacer que la distribución de la información de detección sea más razonable. Luego, las trayectorias perdidas se filtran y compensan con las trayectorias predichas para mejorar la capacidad de seguimiento a largo plazo del algoritmo. Cuando se aplica a diferentes algoritmos de asociación o algoritmos de seguimiento, se puede obtener un mejor efecto de mejora. Puede lograr una alta velocidad de seguimiento al tiempo que alcanza una alta precisión de seguimiento en el conjunto de datos del Desafío MOT.