同一シーン内で注目対象となる複数のオブジェクトが類似した外見を持つ場合、マルチオブジェクトトラッキング（MOT）はより困難となる。このような状況では、複数のオブジェクトを区別する上で運動情報（motion cues）が特に有効となる。しかし、動くカメラによって取得されたシーンにおけるオンライン2D MOTでは、グローバルなカメラの運動が観測可能な運動情報に複雑な影響を及ぼし、必ずしも滑らかまたは予測可能とは限らない。このような予期せぬカメラ運動に対応するため、カメラ運動に対して堅牢性を持つことから、オブジェクト間の構造的運動制約（structural motion constraint）が利用されてきた。本論文では、大規模なカメラ運動が存在する状況下でも、構造的運動制約を効果的に活用できる新たなデータアソシエーション手法を提案する。さらに、誤検出や雑音（clutter）に対するデータアソシエーションの堅牢性を向上させるため、構造的制約を割当コストに統合する新しいイベント集約（event aggregation）手法を開発した。多数のデータセットを用いた実験結果により、提案手法がオンライン2D MOTにおいて有効であることが示された。