Le suivi multi-objets (MOT) devient plus difficile lorsque les objets d’intérêt présentent des apparences similaires. Dans ce cas, les indices de mouvement sont particulièrement utiles pour distinguer plusieurs objets. Toutefois, pour le suivi en ligne en 2D dans des scènes capturées par des caméras en mouvement, les indices de mouvement observables sont compliqués par les mouvements globaux de la caméra, ce qui les rend souvent imprévisibles ou non lisses. Pour faire face à ces mouvements de caméra imprévus dans le cadre du suivi en ligne en 2D, une contrainte structurelle de mouvement entre objets a été exploitée grâce à sa robustesse face aux mouvements de caméra. Dans cet article, nous proposons une nouvelle méthode d’association de données qui exploite efficacement les contraintes structurelles de mouvement en présence de grands mouvements de caméra. En outre, afin d’améliorer davantage la robustesse de l’association de données face aux fausses détections et aux perturbations (clutters), une nouvelle approche d’agrégation d’événements est développée pour intégrer les contraintes structurelles dans les coûts d’assignation pour le suivi en ligne. Les résultats expérimentaux sur un grand nombre de jeux de données démontrent l’efficacité de l’algorithme proposé pour le suivi en ligne en 2D.