Motivación. El seguimiento visual de pacientes con condiciones adversas específicas, como las convulsiones epilépticas, es una tarea importante relacionada con la prevención de situaciones y eventos médicos no deseados. Anteriormente, hemos desarrollado algoritmos para el seguimiento de pacientes sin contacto basado en el análisis de flujo óptico. En este trabajo, abordamos algunos de los desafíos que enfrenta el sistema de seguimiento con una sola cámara y ampliamos sus funcionalidades empleando la entrada simultánea de múltiples cámaras. Métodos. Proponemos un nuevo enfoque de fusión de múltiples sensores de cámara. Utiliza un algoritmo propietario de reconstrucción de parámetros de grupo de movimiento e incluye escenarios de campos de visión superpuestos y no superpuestos. En el primer caso, el seguimiento simultáneo dentro del campo superpuesto evoluciona de un seguimiento independiente por cada cámara a un seguimiento sincronizado por un conjunto de cámaras. Esto se logra mediante el aprendizaje por refuerzo automatizado y aplicando simultáneamente las interdependencias entre las cámaras. Además, fuera de las áreas superpuestas, el algoritmo puede transferir el seguimiento de una cámara a otra, siempre que exista una topología tipo árbol entre las áreas. Resultados. Demostramos que los escenarios de seguimiento multi-cámara sincrónicos proporcionan mejoras tanto en pruebas del mundo real como en simulaciones. Este nuevo enfoque permite mejorar la precisión y robustez de los métodos originales, extender la cobertura de seguimiento y proporcionar otros efectos beneficiosos, como una detección más precisa de objetos en movimiento rápido. El método propuesto se compara con otros algoritmos utilizados en el campo.