استغلال التجميع متعدد الآراء يُقدِّم حلاً واعداً لمواجهة التحديات مثل الإخفاء والكشف المفقود في تتبع الكائنات المتعددة والكشف عنها. لقد أدى التقدم الحديث في الكشف متعدد الآراء والتعرف على الأشياء ثلاثية الأبعاد إلى تحسين الأداء بشكل كبير من خلال إسقاط جميع الآراء بشكل استراتيجي على المستوى الأرضي وإجراء تحليل الكشف من وجهة نظر الطائر. في هذا البحث، نقارن بين طرق الرفع الحديثة، سواء كانت بدون معلمات أو مع معلمات، مع التجميع متعدد الآراء. بالإضافة إلى ذلك، نقدم بنية تحتية تجمع خصائص خطوات زمنية متعددة لتعلم كشف قوي وتدمج مؤشرات القائم على المظهر والحركة لتتبع الكائنات. تركز معظم الطرق الحالية للتتبع إما على المشاة أو السيارات. في عملنا، نجمع بين هذين الفرعين ونضيف تحديات جديدة للكشف متعدد الآراء بتكوينات عبر المشاهد. يعمم طريقة عملنا على ثلاثة مجموعات بيانات عامة عبر مجالين: (1) المشاة: Wildtrack و MultiviewX، و (2) الإدراك على جانبي الطريق: Synthehicle، مما يحقق أداءً رائدًا في الكشف والتتبع. https://github.com/tteepe/TrackTacular