Genaue Objekterkennung und -verfolgung sind für eine effektive Videobearbeitung entscheidend. In früheren Arbeiten wurden die beiden Aufgaben so kombiniert, dass die Verfolgung stark auf der Erkennung basiert, während die Erkennung nur marginal von der Verfolgung profitiert. Um eine größere Synergie zu erzielen, schlagen wir vor, die Aufgaben enger zu integrieren, indem die Objekterkennung im aktuellen Frame anhand von Tracklets aus vorherigen Frames konditioniert wird. Mit diesem Ansatz weisen die Ergebnisse der Objekterkennung nicht nur hohe Erkennungsantworten auf, sondern auch eine verbesserte Kohärenz mit den vorhandenen Tracklets. Diese erhöhte Kohärenz führt zu geschätzten Objekttrajektorien, die glatter und stabiler sind als die verrauschten Pfade, die ohne tracklet-bedingte Erkennung erhalten werden. Durch umfangreiche Experimente wurde gezeigt, dass dieser Ansatz sowohl hinsichtlich der Erkennungs- als auch der Verfolgungspräzision den Stand der Technik erreicht und bemerkenswerte Verbesserungen in Bezug auf die Verfolgungsstabilität bringt.