Die mehrfache Objektverfolgung steht vor mehreren Herausforderungen, die durch die Nutzung von Trajektorieninformationen entschärft werden können. Die Kenntnis der posterioren Objektpositionen ermöglicht die Entschärfung und Lösung komplexer Situationen wie Verdeckung (Occlusion), Re-Identifikation und Identitätswechsel. In dieser Arbeit zeigen wir, dass die Schätzung von Trajektorien zu einem entscheidenden Faktor für die Objektverfolgung werden kann, und stellen TrajE vor – einen Trajektorienschätzer basierend auf rekurrenten Mischdichtennetzen – als generisches Modul, das problemlos in bestehende Objektverfolgungsalgorithmen integriert werden kann. Um mehrere mögliche Trajektorienhypothesen zu generieren, verwendet unsere Methode den Beam-Search-Ansatz. Darüber hinaus schlagen wir vor, auf Basis derselben geschätzten Trajektorie eine Verfolgung nach einer Verdeckung wiederherzustellen. Wir integrieren TrajE in zwei state-of-the-art-Verfolgungsalgorithmen, CenterTrack [63] und Tracktor [3]. Beide Algorithmen erreichen auf dem MOTChallenge 2017-Testset jeweils eine Steigerung des MOTA-Scores um 6,3 und 0,3 Punkte sowie eine Verbesserung des IDF1-Scores um 1,8 und 3,1 Punkte, wodurch die Konfiguration CenterTrack+TrajE eine neue state-of-the-art-Leistung erreicht.