L’analyse des séquences temporelles d’images a fait l’objet de nombreux travaux depuis plus de 20 ans. Elle permet d’accéder à des informations importantes sur les objets contenus dans les scènes observées que ce soit à des fins de détection, d’estimation, de suivi ou de reconnaissance. Elle conduit aussi à de nombreuses applications dans des domaines très divers allant de la télévision à la météorologie, de la robotique à la surveillance ou encore au médical. Cette importance reconnue et la diversité des problématiques qu’elle recouvre ont motivé cet état de l’art qui se positionne dans un cadre générique plutôt qu’applicatif de façon à donner aux lecteurs une vue d’ensemble. Après avoir introduit les éléments clés à considérer (objets, observations, objectifs), trois grandes familles de méthodes sont analysées et discutées : les approches différentielles, les techniques bayesiennes et les méthodes de mise en correspondance. Un dernier paragraphe s’attache à faire le lien avec l’imagerie médicale en soulignant les spécificités qu’elle recouvre.

Image sequence analysis has been a major topic for years. It allows accessing important information on the objects of interest for detection, estimation, tracking and recognition tasks. Many applications are concerned from video to weather forecasting, robotics to in-door monitoring up to medicine. The place that it has today and the diversity of the problems to address have motivated this state-of-the-art. A generic approach has been adopted in order to provide a full view on the recent advances reported in the literature at the methodological level. After introducing the key elements to be considered (objects, observations, objectives), three main classes of methods are analysed and discussed: the differential approaches, the Bayesian techniques and the matching methods. A last section is focused on the links with medical imaging with the aim to emphasize the special features to deal with.