Le problème du dénombrement d’un grand nombre de très petits objets en mouvement dans les vidéos est un contexte applicatif jusqu’à présent peu étudié.Dans ce cadre, la difficulté réside essentiellement dans le fait qu’en raison de leurs très petites tailles apparentes dans la vidéo, il n’est pas possible de définir un modèle géométrique fiable de ces objets. Or, les travaux existants dans le domaine de la détection d’objets dans des vidéo, utilisent souvent un tel modèle géométrique des objets d’intérêt. Les méthodes de détection existantes ne sont de ce fait pas applicables directement dans le cadre de la détection de tels très petits objets. Dans le cadre de cette thèse, il est proposé une méthodologie complète permettant la détection de nombreux petits objets, avec un cadre applicatif visant plus particulièrement la détection et le comptage d’oiseaux migrateurs dans une vidéo. Le principe innovant, proposé en tant qu’une solution de ce problème, consiste à associer des coefficients de fiabilité de détection aux objets pour les dénombrer tout en évitant de prendre en compte de trop nombreuses fausses détections. Un algorithme hiérarchique analysant l’aspect spatio-temporel d’objets (leurs apparence et l’évolution dans le temps) dans une vidéo à l’aide de méthodes de traitement d’images, de statistique et de la logique floue est ainsi proposé. Le but des coefficients de fiabilité est d’estimer la probabilité que les paramètres d’une détection correspondent aux paramètres attendus pour les objets d’intérêt. Finalement, l’ensemble des coefficients est converti en une valeur qui évalue la séquence du traitement d’un objet. La somme de ces valeurs correspond au nombre d’objets d’intérêt dans une vidéo. Les résultats obtenus montrent que les bonnes détections sont pour la plupart comprises dans le dénombrement avec des coefficients de fiabilité égaux ou proche de 1, et où les fausses détections sont supprimées ou sous-pondérés avec des coefficients de fiabilité plus faible. Les résultats de comptage dans des vidéos contenant de très nombreux oiseaux sont proches de la vérité terrain, ce qui prouve la validité de la solution proposée comme un moyen de dénombrement automatique d’objets dans des vidéos. / The problem of counting of big volumes of very small moving objects in videos is a domain, which was not studied to date. The difficulty of this application consists essentially in the fact, that because of very small sizes of objects, apparent in the videos, it is impossible to define a reliable geometric model of these objects. The researches, existing in the domain of object detection in videos frequently use a geometrical model of objects of interest.For this reason, the existing methods of object detection cannot be applied for the detection of very small objects in the study case. This thesis proposes a complete methodology, allowing the detection of very small objects in videos, and designed particularly the detection and counting of migrating birds in videos. An innovative principle and the solution of this problem consist in association of coefficients of detection reliability to the objects, in order to count them, avoiding counting of many false detections. The solution proposes a hierarchical algorithm, which analyses the spatial and temporal aspects of objects (their appearance and evolution in time) in a video, by the means of methods of image processing, statistics, and fuzzy logic. The aim of the reliability coefficients is to estimate the probability, that the parameters of a detected objects conform to the expected parameters of the objects of interest. Finally, the coefficients are put together and converted into a value, which evaluates the sequence of processing, applied to detect an object. The sum of these values corresponds to the number of the objects of interest in a video. The results show, that the most of correct detections are characterized in the counting by the reliability coefficient equal or close to 1. The results show, that the most of correct detections have their reliability coefficients close to 1, and the false detection are deleted or have low reliability coefficients. The counting results in the videos with numerous groups of migrating birds are close to the ground trough. This validates the proposed solution as a method of automatic counting of objects in videos.