Este estudio presenta un método de seguimiento de múltiples objetos basado en aprendizaje profundo para mejorar la precisión en la detección y seguimiento de ganado, lo que a su vez mejora la eficiencia agrícola y la gestión de la salud. El método propuesto mitiga errores y omisiones de detección en entornos complejos, al tiempo que reduce los cambios de identidad y los errores de predicción de trayectorias mediante mejoras algorítmicas. Los resultados experimentales muestran que el método logra una precisión superior en la detección de ganado y el seguimiento del comportamiento, operando en tiempo real a 31.2 fotogramas por segundo. Este enfoque proporciona un sólido apoyo técnico para el monitoreo a largo plazo y la gestión de ganado sin contacto, ofreciendo un considerable valor práctico.