– Dans cet article, nous présentons une nouvelle méthode d'extraction de personnes dans des environnements transport. De nombreuses méthodes de soustraction de fond existent dans la littérature, mais n'offrent pas toujours de résultats satisfaisants en conditions réelles et dans un contexte difficile contenant de nombreux verrous scientifiques tels que les changements rapides de luminosité, le bruit, les ombres, l'arrière-plan défilant à travers des parois transparentes. La méthode que nous présentons permet de pallier ces difficultés et est basée sur une segmentation de l'image en superpixels, associée à une coupe de graphe initialisée par une détection de premier plan, paramètrée à l'aide d'un algorithme génétique. La stratégie proposée est alors composée de quatre blocs majeurs: un bloc de pré-traitement qui utilise des filtres et des invariants colorimétriques afin de limiter la présence d'artefacts dans les images; Un bloc de détection de premier plan qui permet de localiser grossièrement la personne dans l'image; Un bloc de post-traitement qui élimine les divers artefacts dont les ombres; Un bloc d'extraction de personnes qui sur-segmente l'image en superpixels puis effectue une classification binaire par une coupe de graphe afin d'extraire précisément la personne de l'arrière-plan. Les tests sont réalisés sur une base de données issue du projet européen BOSS et sont optimisés à l'aide d'un algorithme génétique. Abstract – In this paper, we present a new method for people extraction in complex transport environments. Many background subtraction methods exist in the literature but don't give satisfactory results on complex images acquired in moving transport systems that include several locks such as fast brightness changes, noise, shadow, scrolling background, etc. To tackle this problem, a new method for people extraction is proposed. It is based on an image superpixel segmentation coupled with graph cut binary clustering. The proposed strategy is composed of four majors blocks: A pre-processing block that uses filters and colorimetric invariants to limit the presence of artifacts in images; A foreground detection block that enables to locate moving people in images; A post-treatment block that removes shadow regions of no-interest; A people extraction block that segments the image into superpixels and performs a graph cut binary clustering to precisely extract people. Tests are realized on a real database of the BOSS European project and optimized with a genetic algorithm.