探索鲁棒且高效的关联方法一直是多目标跟踪（Multiple-Object Tracking, MOT）领域的核心问题。尽管现有跟踪方法已取得令人瞩目的性能，但在密集场景中，目标之间的拥堵与频繁遮挡仍是制约性能提升的关键挑战。本文揭示，对密集场景进行稀疏分解是提升被遮挡目标关联性能的关键步骤。为此，我们提出一种伪深度估计方法，仅从二维图像中推断目标之间的相对深度信息。其次，我们设计了一种深度级联匹配（Depth Cascading Matching, DCM）算法，利用获取的深度信息将密集的目标集合分解为多个稀疏的目标子集，并按照从近到远的顺序依次对这些稀疏子集进行数据关联。通过将伪深度估计方法与DCM匹配策略融合至数据关联流程中，我们提出了一种新型跟踪器——SparseTrack。SparseTrack为解决复杂密集场景下的多目标跟踪问题提供了全新的视角。仅采用IoU匹配策略，SparseTrack在MOT17和MOT20基准测试上即达到了与当前最先进（State-of-the-Art, SOTA）方法相当的性能。代码与模型已公开发布于：\url{https://github.com/hustvl/SparseTrack}。