Dieses Papier stellt einen Ansatz zur Schätzung und Verfolgung der 3D-Pose mehrerer Personen auf der Grundlage kalibrierter Mehrfachansichten vor. Die Hauptausforderung besteht darin, die Korrespondenzen zwischen den Ansichten und über die Zeit korrekt zu finden, selbst dann, wenn mehrere Pose-Schätzungen verrauscht sind. Im Vergleich zu früheren Lösungen, die 3D-Posen aus mehreren Ansichten konstruieren, nutzt unser Ansatz die zeitliche Konsistenz, um die 2D-Posen mit vorher erstellten 3D-Skeletten in jeder Ansicht zu verknüpfen. Dadurch werden die Korrespondenzen zwischen den Ansichten und über die Zeit gleichzeitig hergestellt. Da die Leistung durch fehlerhafte Zuordnungen und verrauschte Vorhersagen beeinträchtigt wird, haben wir zwei Strategien entwickelt, um eine bessere Zuordnung und 3D-Rekonstruktion zu erreichen. Insbesondere schlagen wir eine teilspezifische Messmethode für die 2D-3D-Zuordnung (part-aware measurement) sowie einen Filter vor, der mit 2D-Ausreißern während der Rekonstruktion umgehen kann. Unser Ansatz ist im Vergleich zu den neuesten Methoden effizient und effektiv; er erzielt wettbewerbsfähige Ergebnisse auf zwei Benchmarks: 96,8 % auf Campus und 97,4 % auf Shelf. Darüber hinaus haben wir die Länge der Bewertungsframes von Campus verlängert, um eine größere Herausforderung zu bieten, und unser Vorschlag erzielt auch hier gute Ergebnisse.