돼지 객체 추적은 효율적인 대규모 돼지 농가 운영과 돼지 질병으로부터의 신속한 격리를 위한 필수 요건이다. 하지만, 객체 추적을 위한 최신 이미지 분석 딥러닝 기술이 크게 발전하였음에도 불구하고, 객체 겹침 현상에 의한 객체 추적 정확도 하락은 여전히 해결해야 하는 과제로 남아있다. 본 연구에서는 돼지 얼굴 분류와 돼지 객체 추적 정보를 이용해서 얼굴 분류 정확도와 객체 추적 정확도를 높이는 상호보완적인 방법론을 제시한다. 돼지 추적 시 객체 겹침 현상이 발생하면, 겹침을 당한 돼지와 겹침을 한 돼지의 추적 정보 ID는 저장되고 시간이 지남에 따라 다수 객체의 추적 정보 ID가 누적된다. 돼지가 사료를 섭취할 때 돼지 얼굴 분류를 진행하게 되고 추적 정보 ID와 돼지 얼굴 분류에서 나온 객체 ID를 비교하여 추적 정보 ID를 업데이트하고 돼지 얼굴 분류 모델의 개선을 진행한다. 돈사 안에서 움직이는 돼지의 추적 실험 결과, ID Switching 측면에 있어 베이스라인인 Greedy Algorithm 트래킹 모델보다 52% 정도의 ID Switching이 줄어드는 정교한 돼지 객체 추적 정확도를 확인하였다.