In dieser Arbeit stellen wir das anspruchsvolle Problem der gleichzeitigen Schätzung der Körperhaltung mehrerer Personen und deren Verfolgung in ungehinderten Videos mit einer unbekannten Anzahl von Personen vor. Bestehende Methoden zur Schätzung der Körperhaltung mehrerer Personen in Bildern können nicht direkt auf dieses Problem angewendet werden, da zusätzlich zur Haltungsschätzung für jede Person auch die Zuordnung der Personen über die Zeit gelöst werden muss. Wir schlagen daher eine neuartige Methode vor, die die Schätzung der Körperhaltung mehrerer Personen und deren Verfolgung in einer einzigen Formulierung gemeinsam modelliert. Dazu repräsentieren wir Körpergelenk-Detektionen in einem Video mittels eines raumzeitlichen Graphen und lösen ein ganzzahliges lineares Programm, um den Graphen in Teilgraphen zu partitionieren, die plausiblen Körperhaltungstrajektorien für jede Person entsprechen. Der vorgeschlagene Ansatz behandelt Ocklusion und Abschneidung von Personen implizit. Da dieses Problem in der Literatur bisher quantitativ nicht adressiert wurde, führen wir einen anspruchsvollen Datensatz namens „Multi-Person PoseTrack“ ein und schlagen außerdem ein vollständig ungehindertes Evaluationsprotokoll vor, das keine Annahmen bezüglich Skalierung, Größe, Position oder Anzahl der Personen trifft. Schließlich evaluieren wir den vorgeschlagenen Ansatz sowie mehrere Baseline-Methoden auf unserem neuen Datensatz.