L’objectif du projet est de décrire le trafic de l’environnement réel d’un utilisateur en situation de conduite pour qu’un environnement virtuel lui soit plus adapté. Un véhicule équipé de caméras est confié au futur utilisateur du simulateur pour qu’il effectue plusieurs sorties dans son milieu. Des algorithmes de détection et de suivi sont ensuite appliqués sur ces séquences vidéos. Les détecteurs employés utilisent des caractéristiques Haarlike pour entraîner un système d’arbre de décision boosted en cascade. Ces détecteurs produisent de bons résultats pour des objets rigides malgré une grande complexité d’entraînement. Le suivi se fait par l’appariement de points SIFT. L’emphase du travail fut mise sur le développement du framework de détection et de suivi et l’évaluation de ses performances. Le système performe relativement bien lorsqu’il doit détecter et suivre des objets de moyenne ou grande taille, mais présente des faiblesses sur les petits objets et les changements de pose. / The goal of this project is to describe the traffic present in the real world of a simulator user so that the virtual environment is more adapted to him. A vehicle equipped with non-overlapping-view cameras is lent to the simulator’s future user so that he can use it in his driving environment. These collected data will be analyzed using detecting and tracking algorithms. The selected detector uses Haarlike features combined with boosted cascaded decision trees. Those detectors have a high training complexity, but produce good results for rigid objects. Tracking is carried out by the matching of SIFT feature points. The research emphasis was put on the development of the detection and tracking framework. The system performs relatively well for the detection and the tracking on medium and large objects, but shows some weakness to detect or track small objects and to track a pose changing object.