Dans cet article, nous abordons les contraintes industrielles du comptage automatique de passagers dans les bus urbains par le biais d'une architecture profonde capable de traiter des images prises par des caméras 2D à bas coût placées au-dessus du seuil de la porte, d'un point de vue zénithal. Le défi est alors de traiter des scènes très variables dues à l'apparence des passagers (couleur des cheveux, chapeaux, taille), à la densité de population des bus aux heures de pointe et aux changements d'illumination de la scène. La percée scientifique liée à l'apprentissage profond appliqué à la vision par ordinateur ainsi que les exigences d'intégration du système pour cette tâche nous motivent à intégrer dans ce contexte un tracker multi-objets convolutif léger qui a été spécialement conçu pour les applications embarquées et a obtenu de bons résultats au MOT Challenge. Nous l'évaluons ici dans un contexte industriel sur notre jeu de données in-situ à grande échelle, labellisé pour la détection, le suivi multi-cibles et le comptage, et présentons un système de comptage complet et embarqué répondant aux exigences de notre application.