La traçabilité multi-caméras (MCT) joue un rôle fondamental dans de nombreuses applications de vision par ordinateur. Toutefois, le suivi précis des individus à travers plusieurs caméras soulève des défis, notamment en ce qui concerne les commutations d’identité. Dans cet article, nous proposons un système efficace de MCT en temps réel qui surmonte ces difficultés grâce à un traitement en ligne. Notre système exploite des caractéristiques d’apparence accumulées à faible consommation de mémoire afin de fournir des représentations stables des individus à travers les caméras et au fil du temps. En intégrant une validation de trajectoire basée sur un regroupement hiérarchique agglomératif (HAC) dans les zones de chevauchement, les transferts d’identité sont détectés et corrigés. L’évaluation sur le jeu de données de la 2024 AI City Challenge Track 1 [39] démontre les performances compétitives de notre système, qui réalise un suivi précis aussi bien dans les réseaux de caméras chevauchantes que non chevauchantes. Avec un score HOTA de 40,3 % [29], notre système s’est classé 9e dans le défi. L’intégration de la validation de trajectoire améliore les performances de 8 % par rapport au modèle de base, tandis que les caractéristiques d’apparence accumulées contribuent à une amélioration supplémentaire de 17 %.