diff --git a/deploy/pphuman/datacollector.py b/deploy/pphuman/datacollector.py
index 8dfef12dbb9a0de65f294a306dec43102a0b00fb..95e1ab575119d064f5a0a1d60c2c07317c2f0ce8 100644
--- a/deploy/pphuman/datacollector.py
+++ b/deploy/pphuman/datacollector.py
@@ -86,7 +86,7 @@ class DataCollector(object):
             if attr_res:
                 self.collector[ids]["attrs"].append(attr_res['output'][idx])
             if kpt_res:
-                self.collector[ids]["kpts"].append(kpt_res['output'][idx])
+                self.collector[ids]["kpts"].append(kpt_res['keypoint'][idx])
             if action_res:
                 self.collector[ids]["actions"].append(action_res['output'][idx])
             else:
diff --git a/deploy/pphuman/docs/images/c1.gif b/deploy/pphuman/docs/images/c1.gif
new file mode 100644
index 0000000000000000000000000000000000000000..993687dec1afa9008e52807cb57938e82fcb4218
Binary files /dev/null and b/deploy/pphuman/docs/images/c1.gif differ
diff --git a/deploy/pphuman/docs/images/c2.gif b/deploy/pphuman/docs/images/c2.gif
new file mode 100644
index 0000000000000000000000000000000000000000..1e82e5d0ddc958cb1cf1ef27a4a21a6504f29834
Binary files /dev/null and b/deploy/pphuman/docs/images/c2.gif differ
diff --git a/deploy/pphuman/docs/mtmct.md b/deploy/pphuman/docs/mtmct.md
new file mode 100644
index 0000000000000000000000000000000000000000..8549baad741859d83ea8658d4be354e6e9d52820
--- /dev/null
+++ b/deploy/pphuman/docs/mtmct.md
@@ -0,0 +1,79 @@
+# PP-Human跨镜头跟踪模块
+
+跨镜头跟踪任务，是在单镜头跟踪的基础上，实现不同摄像头中人员的身份匹配关联。在安放、智慧零售等方向有较多的应用。
+PP-Human跨镜头跟踪模块主要目的在于提供一套简洁、高效的跨境跟踪Pipeline，REID模型完全基于开源数据集训练。
+
+## 使用方法
+
+1. 下载模型 [REID模型](https://bj.bcebos.com/v1/paddledet/models/pipeline/reid_model.zip) 并解压到```./output_inference```路径下, MOT模型请参考[mot说明](./mot.md)文件下载。
+
+2. 跨镜头跟踪模式下，要求输入的多个视频放在同一目录下，命令如下：
+```python
+python3 deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml --video_dir=[your_video_file_directory] --device=gpu
+```
+
+3. 相关配置在`./deploy/pphuman/config/infer_cfg.yml`文件中修改：
+
+```python
+python3 deploy/pphuman/pipeline.py
+        --config deploy/pphuman/config/infer_cfg.yml
+        --video_dir=[your_video_file_directory]
+        --device=gpu
+        --model_dir reid=reid_best/
+```
+
+## 方案说明
+
+跨镜头跟踪模块，主要由跨镜头跟踪Pipeline及REID模型两部分组成。
+1. 跨镜头跟踪Pipeline
+
+```
+
+单镜头跟踪[id+bbox]
+        │
+根据bbox截取原图中目标——│
+        │            │
+    REID模型      质量评估(遮挡、完整度、亮度等)
+        │            │
+    [feature]        [quality]
+        │            │
+   datacollector—————│
+        │
+      特征排序、筛选
+        │
+ 多视频各id相似度计算
+        │
+  id聚类、重新分配id
+```
+
+2. 模型方案为[reid-centroids](https://github.com/mikwieczorek/centroids-reid), Backbone为ResNet50, 主要特色为利用相同id的多个特征提升相似度效果。
+本跨境跟踪中所用REID模型在上述基础上，整合多个开源数据集并压缩模型特征到128维以提升泛华性能。大幅提升了在实际应用中的泛化效果。
+
+### 其他建议
+- 提供的REID模型基于开源数据集训练得到，建议加入自有数据，训练更加强有力的REID模型，将非常明显提升跨境跟踪效果。
+- 质量评估部分基于简单逻辑+OpenCV实现，效果有限，如果有条件建议针对性训练质量判断模型。
+
+
+### 示例效果
+
+- camera 1:
+<div width="1080" align="center">
+  <img src="./images/c1.gif"/>
+</div>
+
+- camera 2:
+<div width="1080" align="center">
+  <img src="./images/c2.gif"/>
+</div>
+
+
+## 参考文献
+```
+@article{Wieczorek2021OnTU,
+  title={On the Unreasonable Effectiveness of Centroids in Image Retrieval},
+  author={Mikolaj Wieczorek and Barbara Rychalska and Jacek Dabrowski},
+  journal={ArXiv},
+  year={2021},
+  volume={abs/2104.13643}
+}
+```