La mise en œuvre de systèmes de suivi multi-cibles à plusieurs caméras dans des environnements intérieurs, tels que les magasins et les entrepôts, facilite le positionnement stratégique des produits ainsi que l’amélioration des flux opérationnels. Ce papier présente le cadre de suivi en temps réel multi-cibles et multi-caméras, OCMCTrack, qui permet de suivre les positions 3D des individus dans l’espace monde. Le cadre proposé introduit une nouvelle cascade d’appariement permettant de réévaluer dynamiquement les affectations de trajectoires, réduisant ainsi les associations erronées (faux positifs) fréquemment observées par les suiveurs en temps réel. En outre, ce travail présente trois méthodes efficaces pour améliorer la transformation des positions d’une personne dans l’image vers des coordonnées monde, atténuant ainsi les inexactitudes courantes liées aux points de référence positionnels. La méthodologie proposée parvient à obtenir des performances compétitives sur la Track 1 du défi AI City 2024, démontrant l’efficacité du cadre proposé.