Die Implementierung von Multi-Target-Multi-Kamera-Verfolgungssystemen in Innenräumen wie Geschäften und Lagern ermöglicht eine strategische Produktpositionierung sowie die Optimierung betrieblicher Abläufe. In diesem Beitrag wird der Online-Multi-Target-Multi-Kamera-Verfolgungsrahmen OCMCTrack vorgestellt, der die 3D-Positionen von Personen in der Welt verfolgt. Der vorgeschlagene Ansatz führt eine neuartige Matching-Kaskade ein, die die Zuordnung von Verfolgungstracks dynamisch re-evaluieren lässt und damit Falschpositiv-Assoziationen, die häufig von Online-Trackern auftreten, minimiert. Zudem werden drei effektive Methoden vorgestellt, um die Transformation von Personenpositionen aus dem Bild in Weltkoordinaten zu verbessern und somit verbreitete Ungenauigkeiten bei den Positionsreferenzpunkten zu beheben. Die vorgeschlagene Methode erreicht eine konkurrenzfähige Leistung im Track 1 der AI City Challenge 2024 und belegt somit die Wirksamkeit des vorgeschlagenen Rahmens.