多摄像头多人跟踪技术是监控人群管理与社会行为分析中的关键技术，能够实现大规模场景下的持续监测，并对跨不同摄像头视角的多主体复杂交互场景进行综合理解。然而，由于场景中存在严重的遮挡问题以及摄像头视角间的显著差异，如何在在线环境下准确匹配和关联不同摄像头中的同一目标，仍面临巨大挑战。为应对这一难题，本文提出了一种新型的在线多摄像头多人跟踪系统。该系统有效融合了几何一致性约束与目标外观信息，显著提升了跟踪精度。此外，我们设计了一种状态感知的Re-ID校正机制，能够自适应地利用Re-ID特征对目标间的误匹配进行修正。实验表明，该系统在多种复杂场景下均展现出良好的适应性。在2024年AI City Challenge的Track1任务中，所提系统取得了67.2175%的HOTA得分，位列排行榜第二名。相关代码已开源，地址为：https://github.com/ZhenyuX1E/PoseTrack