本研究では、制約のない動画において、人数が不明な複数人の姿勢推定と追跡という困難な問題を提示する。従来の画像における複数人姿勢推定手法は、各人物の姿勢推定に加えて、時間経過にわたる人物同士の対応（person association）問題を解決する必要があるため、この問題に直接適用することはできない。そこで、複数人姿勢推定と追跡を一つの定式化によって統合的にモデル化する新しい手法を提案する。具体的には、動画内のボディ関節検出を空間時間グラフとして表現し、整数線形計画問題（integer linear program）を用いて、各人物の妥当な姿勢軌道に対応する部分グラフにグラフを分割する。提案手法は、人物の遮蔽や端部切断（occlusion and truncation）を暗黙的に処理する。これまでこの問題は定量的な評価が行われておらず、本研究では挑戦的な「Multi-Person PoseTrack」データセットを導入するとともに、人物のスケール、サイズ、位置、人数について一切の仮定をしない、完全に制約のない評価プロトコルを提案する。最後に、提案手法および複数のベースライン手法を、新しく構築したデータセット上で評価した。