أنظمة تتبع متعددة الكاميرات تكتسب شعبية متزايدة في التطبيقات التي تتطلب نتائج تتبع عالية الجودة، مثل الدفع السلس دون الحاجة إلى التوقف (frictionless checkout)، حيث غالباً ما تفشل أنظمة تتبع الأشياء المتعددة ذات الكاميرا الواحدة (MOT) في البيئات المزدحمة والمعقدة بسبب الإخفاء. يمكن لأنظمة الكاميرات المتعددة والمتشابكة بشكل كبير أن تخفف من هذه المشكلة بشكل كبير من خلال استعادة المعلومات ثلاثية الأبعاد جزئياً.ومع ذلك، فإن تكلفة إنشاء مجموعة بيانات تتبع متعددة الكاميرات عالية الجودة مع إعدادات كاميرات متنوعة وخلفيات مختلفة قد حددت نطاق البيانات في هذا المجال. في هذا البحث، نقدم مجموعة بيانات تتبع متعددة الكاميرات كبيرة الحجم ومُلصقة بكثافة في خمس بيئات مختلفة بمساعدة نظام التسمية التلقائية. يستخدم النظام كاميرات عمق وRGB متشابكة ومعيارنة لبناء مُتابِع ثلاثي الأبعاد عالي الأداء يولد النتائج الثلاثية الأبعاد تلقائياً. يتم تصوير نتائج التتبع الثلاثية الأبعاد على كل رؤية للكاميرا RGB باستخدام معلمات الكاميرا لإنشاء نتائج تتبع ثنائية الأبعاد. ثم نقوم بالتحقق يدوياً وتصحيح نتائج التتبع الثلاثية الأبعاد للتأكد من جودة التسمية، وهو أرخص بكثير من التسمية اليدوية الكاملة.لقد أجرينا العديد من التجارب الواسعة باستخدام مُتابِعين متعددي الكاميرات يعملون في الوقت الحقيقي وأنموذج إعادة تعريف الشخص (ReID) بإعدادات مختلفة. توفر هذه المجموعة البيانات مقاييس أكثر ثقة لأنظمة تتبع الأشياء المتعددة والكاميرات المتعددة في البيئات المزدحمة والمعقدة. بالإضافة إلى ذلك، تظهر نتائجنا أن تنقيح المُتابِعين وأنموذج ReID على هذه المجموعة البيانات يحسن أداؤهما بشكل كبير. سيتم إطلاق مجموعة البيانات الخاصة بنا للجمهور عند قبول هذا العمل.