El seguimiento de múltiples objetos (MOT) constituye un área de investigación crítica dentro del campo de la visión por computadora. La creación de sistemas robustos y eficientes, que puedan aproximar los mecanismos de la visión humana, es esencial para mejorar la eficacia de las técnicas de seguimiento de múltiples objetos. Sin embargo, obstáculos como las apariciones repetitivas de objetivos y las frecuentes oclusiones causan inexactitudes u omisiones considerables en la detección. Tras la actualización de estas observaciones inexactas en el tracklet, la efectividad del modelo de seguimiento, empleando características de apariencia, disminuye significativamente. Este artículo introduce un método novedoso de seguimiento de múltiples objetos, empleando redes de atención gráfica y gestión de tracks (GATM). Al utilizar una red de atención gráfica, se emplea un mecanismo de atención para capturar las relaciones entre nodos dentro del gráfico, así como las correlaciones de nodo a nodo a través de los gráficos. Este mecanismo permite enfocarse selectivamente en las características de nodos ventajosos y mejora la discriminabilidad entre las características de los nodos, mejorando posteriormente el rendimiento y la robustez del seguimiento de múltiples objetos. Al mismo tiempo, categorizamos estados de tracklet distintos e introducimos un método eficiente de gestión de tracks, que emplea diversas técnicas de procesamiento para tracklets en estados diversos. Este método puede gestionar tracks ocultos en escenas concurridas y mejora la precisión del seguimiento. Experimentos realizados en tres conjuntos de datos públicos desafiantes (MOT16, MOT17 y MOT20) demuestran que nuestro método podría ofrecer un rendimiento competitivo.