Die Nutzung der Multi-View-Aggregation bietet eine vielversprechende Lösung, um Herausforderungen wie Verdeckungen und nicht erkannte Objekte im Bereich der Mehrobjektverfolgung und -erkennung zu bewältigen. Neueste Fortschritte bei der Multi-View-Erkennung und der 3D-Objekterkennung haben die Leistung durch gezieltes Projektieren aller Ansichten auf die Bodenebene und die Durchführung einer Erkennungsanalyse aus einer Vogelperspektive erheblich verbessert. In dieser Arbeit vergleichen wir moderne Lift-Methoden, sowohl parameterfreie als auch parametrisierte, mit der Multi-View-Aggregation. Zudem präsentieren wir eine Architektur, die Merkmale mehrerer Zeitpunkte aggregiert, um robuste Erkennung zu lernen, und dabei Erscheinungs- und Bewegungshinweise kombiniert, um die Verfolgung durchzuführen. Die meisten aktuellen Verfolgungsansätze konzentrieren sich entweder auf Fußgänger oder Fahrzeuge. In unserer Arbeit vereinen wir beide Bereiche und fügen neuen Herausforderungen zur Multi-View-Erkennung hinzu, insbesondere bei cross-scene Setups (Kreuzszenarien). Unsere Methode verallgemeinert sich auf drei öffentliche Datensätze in zwei Domänen: (1) Fußgänger: Wildtrack und MultiviewX sowie (2) Straßenrandwahrnehmung: Synthehicle, wobei sie den Stand der Technik in Erkennung und Verfolgung erreicht. https://github.com/tteepe/TrackTacular