Diese Arbeit präsentiert einen online-fähigen, mehrkamerabasierten Mehrobjektverfolger, der lediglich eine monokulare Detektionstraining erfordert und unabhängig von der Konfiguration der Mehrkamerasysteme ist. Dadurch lässt sich die Kameraanordnung nahtlos erweitern oder reduzieren, ohne dass ein erneutes Training notwendig ist. Der vorgeschlagene Algorithmus weist eine lineare Komplexität in der Gesamtanzahl der Detektionen über alle Kameras auf und skaliert daher nahtlos mit der Anzahl der Kameras. Er operiert im 3D-Weltraumkoordinatensystem und liefert 3D-Trajektorienschätzungen der Objekte. Der zentrale Innovationsbeitrag ist ein hochgenauer, dennoch handhabbarer 3D-Obskurationsmodell, der für eine optimale bayessche Mehransichts-Mehrobject-Filterung geeignet ist. Dieser Modellansatz integriert nahtlos die Teilprozesse der Track-Verwaltung, Zustandsschätzung, Hintergrundrauschen-Ablehnung sowie die Behandlung von Verdeckung und Fehldetektionen in einer einzigen bayesschen Rekursion. Der vorgeschlagene Algorithmus wird auf dem neuesten WILDTRACKS-Datensatz evaluiert und zeigt eine funktionale Leistung auch in sehr dicht besetzten Szenen auf einem neuen Datensatz.