L'un des problèmes majeurs du suivi d'objet en vidéo est la dérive, c'est-à-dire la mauvaise localisation à un instant donné d'une entité désignée dans une image initiale. Les nombreux algorithmes de suivi visuel ou trackers sont tous susceptibles de dériver lorsqu'ils sont confrontés à diverses sources de nuisance (occultations, changements d'apparence ou d'illumination, mouvements irréguliers de la cible et de la caméra...) mais sont également caractérisés par des niveaux de robustesse variés à ces phénomènes.
L'approche proposée par notre travail est de s'inspirer d'une caractéristique de la vision naturelle, l'attention visuelle, considérée ici comme un ensemble de mécanismes prédictifs de sélection de l'information ou des ressources.
Dans le problème étudié, son rôle est alors de combiner dynamiquement les trackers selon leur capacité à assurer globalement le suivi à partir de mesures d'auto-évaluation en ligne de leur comportement et de leur adéquation au contexte. L'effort est porté sur la combinaison de trackers hétérogènes en coût de calcul et en structure fonctionnelle, et sur la capacité de les munir génériquement de telles fonctions d'auto-évaluation.