Mehr-Kamera-Verfolgungssysteme gewinnen an Popularität in Anwendungen, die hochwertige Verfolgungsergebnisse erfordern, wie zum Beispiel reibungslose Kassenabwicklung, da monokulare Mehr-Objekt-Verfolgungssysteme (MOT) in stark überladenen und dicht besetzten Umgebungen aufgrund von Überdeckungen oft versagen. Mehrere stark überlappende Kameras können das Problem erheblich lindern, indem sie teilweise 3D-Informationen wiederherstellen. Allerdings hat der Aufwand zur Erstellung eines hochwertigen Mehr-Kamera-Verfolgungsdatensatzes mit vielfältigen Kamerakonfigurationen und Hintergründen die Datensatzgröße in diesem Bereich begrenzt. In dieser Arbeit stellen wir einen umfangreichen, dicht beschrifteten Mehr-Kamera-Verfolgungsdatensatz in fünf verschiedenen Umgebungen vor, unterstützt durch ein Auto-Beschriftungssystem. Das System nutzt überlappende und kalibrierte Tiefen- und RGB-Kameras, um einen leistungsstarken 3D-Tracker zu erstellen, der automatisch 3D-Verfolgungsergebnisse generiert. Diese 3D-Verfolgungsergebnisse werden unter Verwendung von Kameraparametern auf jede RGB-Kameraansicht projiziert, um 2D-Verfolgungsergebnisse zu erstellen. Anschließend überprüfen und korrigieren wir die 3D-Verfolgungsergebnisse manuell, um die Beschriftungsqualität sicherzustellen, was viel kostengünstiger ist als eine vollständig manuelle Annotation. Wir haben umfangreiche Experimente mit zwei Echtzeit-Mehr-Kamera-Trackern und einem Person-Reidentifikationsmodell (ReID) bei unterschiedlichen Einstellungen durchgeführt. Dieser Datensatz bietet eine zuverlässigere Referenz für Mehr-Kamera-, Mehr-Objekt-Verfolgungssysteme in stark überladenen und dicht besetzten Umgebungen. Zudem zeigen unsere Ergebnisse, dass das Anpassen der Tracker und ReID-Modelle an diesem Datensatz ihre Leistung erheblich verbessert. Unser Datensatz wird öffentlich zugänglich gemacht, sobald diese Arbeit akzeptiert wird.