本发明提供一种多目标跟踪方法，本方法包括采集若干包含有多人并进行运动的视频，并构建多目标跟踪训练集；获取每段视频中每一帧的关于人的标准跟踪队列并对应构建每段所述视频的标准跟踪队列集；通过基于Transformer模型构建多目标跟踪网络模型并获取每段所述视频的识别跟踪队列集，通过计算识别跟踪队列和标准跟踪队列的损失并更新得到训练好的所述多目标跟踪网络模型，通过所述训练好的所述多目标跟踪网络模型实现多目标的实时跟踪。与现有技术相比，本发明利用Transformer模型可以进行端到端的学习，且能够直接从原始数据中学习目标的运动模式，无需依赖目标检测器，使训练的模型能够有更高的计算效率，进而提高模型对多目标跟踪的实时性。