Die Multi-Objekt-Verfolgung (Multi-object tracking, MOT) wird besonders herausfordernd, wenn die Objekte ähnliche Erscheinungsbilder aufweisen. In solchen Fällen sind Bewegungscues besonders nützlich, um mehrere Objekte voneinander zu unterscheiden. Für Online-2D-MOT in Szenen, die von sich bewegenden Kameras aufgenommen wurden, werden die beobachtbaren Bewegungscues jedoch durch globale Kamerabewegungen kompliziert und sind daher nicht immer glatt oder vorhersagbar. Um mit solchen unerwarteten Kamerabewegungen bei Online-2D-MOT umzugehen, wurde bereits auf strukturelle Bewegungsbeschränkungen zwischen Objekten zurückgegriffen, da diese robust gegenüber Kamerabewegungen sind. In diesem Paper stellen wir eine neue Datenzuschreibungsmethode vor, die strukturelle Bewegungsbeschränkungen effektiv auch bei starken Kamerabewegungen nutzt. Darüber hinaus wird ein neuartiger Ansatz zur Ereignisaggregation entwickelt, um strukturelle Beschränkungen in die Zuordnungskosten einzubinden und die Robustheit der Datenzuschreibung gegenüber Fehldetektionen und Störungen weiter zu verbessern. Experimentelle Ergebnisse auf einer großen Anzahl von Datensätzen belegen die Wirksamkeit des vorgeschlagenen Algorithmus für Online-2D-MOT.