La technologie de détection et télémétrie par laser (LiDAR) devient désormais l'outil principal dans de nombreuses applications telles que la conduite autonome et la collaboration homme-robot. La détection d'objets en 3D basée sur le nuage de points gagne en popularité et est largement acceptée dans l'industrie et la vie quotidienne en raison de son efficacité pour les caméras dans des environnements difficiles. Dans cet article, nous présentons une approche modulaire pour détecter, suivre et classer les personnes à l'aide d'un capteur LiDAR 3D. Elle combine plusieurs principes : une mise en œuvre robuste pour la segmentation des objets, un classificateur avec des descripteurs géométriques locaux, et une solution de suivi. De plus, nous parvenons à une solution en temps réel sur une machine peu performante en réduisant le nombre de points à traiter en obtenant et en prédisant les régions d'intérêt via la détection de mouvement et la prédiction de mouvement sans aucune connaissance préalable de l'environnement. En outre, notre prototype parvient à détecter et suivre avec succès des personnes de manière cohérente, même dans des cas difficiles dus à des limitations sur le champ de vision du capteur ou des changements de posture extrêmes tels que l'accroupissement, le saut et l'étirement. Enfin, la solution proposée est testée et évaluée sur plusieurs enregistrements réels de capteurs LiDAR 3D pris dans un environnement intérieur. Les résultats montrent un grand potentiel, avec une confiance particulièrement élevée dans les classifications positives du corps humain par rapport aux approches de pointe.