Die Zustandsschätzung einer unbekannten Anzahl an Objekten stellt trotz der Existenz
theoretisch Bayes-optimaler Multi-Objekt-Filter durch die große Anzahl an Modellannahmen dieser
Filter eine große Herausforderung dar. In dieser Arbeit wurden die Eignung derartiger Filter
für den praktischen Einsatz in Multi-Objekt-Multi-Sensor-Szenarien untersucht und die Filter um
nötige Modellerweiterungen ergänzt. Als Anwendungsszenario wurde auf die Verfolgung von
Fußgängern in Innenräumen eingegangen. State estimation of an unknown number of objects remains
a challenging topic - despite the existence of theoretically bayes-optimal multi-object-filters
- due to numerous assumptions in the modeling process. This thesis evaluates such filters in
real multi-object-multi-sensor scenarios and proposes necessary extensions to existing models.
The main application of the thesis is indoor pedestrian tracking.