L'exploitation de l'agrégation multivue offre une solution prometteuse pour relever les défis tels que l'occlusion et la détection manquée dans le suivi et la détection d'objets multiples. Les récentes avancées en détection multivue et en reconnaissance d'objets 3D ont considérablement amélioré les performances en projetant stratégiquement toutes les vues sur le plan du sol et en effectuant une analyse de détection selon une vue d'oiseau (Bird's Eye View). Dans cet article, nous comparons les méthodes modernes de relevage, tant sans paramètre que paramétriques, à l'agrégation multivue. De plus, nous présentons une architecture qui agrège les caractéristiques de plusieurs instants pour apprendre une détection robuste et combine des indices basés sur l'apparence et le mouvement pour le suivi. La plupart des approches actuelles de suivi se concentrent soit sur les piétons, soit sur les véhicules. Dans notre travail, nous combinons ces deux branches et ajoutons de nouveaux défis à la détection multivue avec des configurations trans-scènes. Notre méthode se généralise à trois jeux de données publics couvrant deux domaines : (1) piétons : Wildtrack et MultiviewX, et (2) perception au bord de la route : Synthehicle, atteignant des performances de pointe en détection et suivi. https://github.com/tteepe/TrackTacular