La décennie écoulée a été marquée par des progrès significatifs dans la détection et le suivi d'objets dans les vidéos. Dans cet article, nous proposons un modèle collaboratif entre un détecteur d'objets pré-entraîné et plusieurs suiveurs en ligne d'objets uniques, dans le cadre des filtres de particules. Pour chaque trame, nous établissons une association entre les détections et les suiveurs, et traitons chaque région détectée comme un échantillon clé pour une mise à jour en ligne, si elle est associée à un suiveur. Nous introduisons un modèle de mouvement qui intègre les détections associées aux dynamiques de l'objet. Par ailleurs, nous proposons une stratégie efficace de sélection d'échantillons pour mettre à jour le modèle d'apparence de chaque suiveur. Nous utilisons un modèle d'apparence discriminatif pour la fonction de vraisemblance et un modèle génératif pour l'association des données. Les résultats expérimentaux montrent que la méthode proposée surpasse généralement les approches les plus avancées de l'état de l'art.