Diese Arbeit stellt einen Echtzeit-Algorithmus zur Rekonstruktion dreidimensionaler menschlicher Körperhaltungen in überfüllten Szenen aus mehreren kalibrierten Ansichten vor. Die zentrale Herausforderung dieses Problems liegt in der effizienten Zuordnung von 2D-Beobachtungen über mehrere Ansichten hinweg. Bisherige Methoden führen die Mehransichtszuordnung entweder auf der Ebene des vollständigen Körpers durch, was empfindlich gegenüber Fehlern der 2D-Haltungsabschätzung ist, oder auf der Ebene einzelner Körperabschnitte, wodurch die 2D-Beschränkungen zwischen verschiedenen Arten von Körperabschnitten innerhalb derselben Ansicht ignoriert werden. Im Gegensatz dazu berücksichtigt unser Ansatz während der Mehransichtszuordnung alle plausiblen Skelettvorschläge, wobei jedes Skelett aus einer beliebigen Anzahl von Abschnitten bestehen kann, anstatt lediglich ein vollständiger Körper oder ein einzelner Abschnitt zu sein. Dazu formulieren wir das Mehransichtszuordnungsproblem als Modus-Suche im Raum der Skelettvorschläge und entwickeln einen effizienten Algorithmus namens QuickPose, um das Problem zu lösen. Dies ermöglicht Echtzeit-Bewegungserfassung in überfüllten Szenen. Experimente zeigen, dass der vorgeschlagene Algorithmus sowohl hinsichtlich Geschwindigkeit als auch Genauigkeit auf öffentlichen Datensätzen die derzeit beste Leistung erzielt.