La reducción efectiva del riesgo de colisiones en vehículos autónomos depende de un seguimiento de peatones robusto y sencillo. Los desafíos planteados por la oclusión y los escenarios cambiantes obstaculizan significativamente la fiabilidad del seguimiento de peatones. En el presente estudio, nos esforzamos por mejorar la fiabilidad y también la eficacia del seguimiento de peatones en escenarios complejos. En particular, introducimos un nuevo algoritmo de seguimiento de peatones que aprovecha tanto la técnica del detector de objetos YOLOv8 (You Only Look Once) como el algoritmo StrongSORT, que es un método avanzado de seguimiento de múltiples objetos (MOT) basado en aprendizaje profundo. Nuestros hallazgos demuestran que StrongSORT, una versión mejorada del algoritmo DeepSORT MOT, mejora sustancialmente la precisión del seguimiento a través de una meticulosa sintonización de hiperparámetros. En general, los resultados experimentales revelan que el algoritmo propuesto es un método efectivo y eficiente para el seguimiento de peatones, particularmente en escenarios complejos encontrados en los conjuntos de datos MOT16 y MOT17. El uso combinado de Yolov8 y StrongSORT contribuye a mejorar los resultados de seguimiento, enfatizando la relación sinérgica entre los módulos de detección y seguimiento.