Las técnicas de seguimiento de múltiples objetos en línea (MOT) son fundamentales para monitorear las posiciones e identidades de los trabajadores en entornos de construcción. Los enfoques tradicionales, que emplean redes neuronales profundas (DNN) para la detección seguida de la coincidencia de similitud corporal, a menudo pasan por alto la importancia de las características claras de la cabeza y los movimientos estables de la cabeza. Este estudio presenta un novedoso método de seguimiento bidireccional que integra el procesamiento intra-frame, que combina el análisis de la cabeza y el cuerpo para minimizar los falsos positivos y el emparejamiento inter-frame para controlar la asignación de ID. Al aprovechar la información de la cabeza para mejorar el seguimiento del cuerpo, el método genera trayectorias más suaves con errores de ID reducidos. El método propuesto logró un rendimiento de última generación (SOTA), con una precisión de seguimiento de múltiples objetos (MOTA) del 95.191%, una precisión de seguimiento de orden superior (HOTA) del 78.884% y un conteo de intercambio de identidad (IDSW) de 0, lo que lo convierte en una sólida base para futuras investigaciones.