A l'heure actuelle, la numérisation et la perception de scènes statiques est un domaine de la vision par ordinateur où bon nombre de solutions opérationnelles existent [1]. Cependant, la perception 3D de scène dynamiques avec une caméra monoculaire en mouvement reste un challenge difficile et peu stable, les rares travaux conduisent en général à des algorithmes très complexes et lourds en termes de coût de calculs [2]. Depuis 2010, nous avons entamé des travaux ayant pour objectif la perception en champ proche dans une scène dynamique. Nous avons choisi pour cela de passer par l'estimation d'un "scene flow" [3,4], c'est-à-dire le champ des mouvements 3D ainsi que la profondeur des points observés dans un repère lié à la caméra, soit un vecteur à 6 composantes par pixel. La plupart des solutions actuelles se basent sur une acquisition stéréoscopique et des traitements de stéréo dense associés à des traitements de flot optique [3]. De notre côté, nous avons fait le choix, dans un premier temps, d'utiliser un nouveau capteur disponible depuis novembre 2010 : le capteur ``Kinect'' de Microsoft [5].

Le kinect est destiné au domaine du jeu, où il sert comme périphérique d'interface homme-machine. Cependant, les informations 3D que fournit ce capteur sont d'une grande utilité pour la perception, de sorte que, très vite, des développeurs ont proposé des interfaces pour récupérer les sorties d'une kinect [6].