计算机视频取证是当前世界上机器视觉研究领域中的一个研究热点，它结合人工智能、计算机图形学、模式识别等研究领域的成果。主要研究目的是在海量的视频库中快速准确地定位犯罪事件发生的时刻和地点，跟踪犯罪对象，并最终形成视频证据。　　 计算机监控视频取证分析作为机器视觉领域中的重要应用，主要是为了缩小视频图像中的底层视觉特征与人类的语义概念之间的鸿沟。在目前数字视频监控已经大规模应用的条件下，如何在某个犯罪事件发生后快速响应及准确定位犯罪对象和事件发生的时间地点，并对犯罪对象进行跟踪和生成相应的视频证据就显得尤为重要。　　 本文主要对监控视频取证分析中的事件检测和多摄像头的对象跟踪方法进行了研究。　　 首先，本文针对复杂背景条件下丢弃或拾起等最常见的犯罪事件的监控视频，提出一种利用光流特征和形状特征相结合的事件检测方法。该方法充分利用光流和形状特征的优点，在复杂背景条件下受颜色变化的影响较小。实验证明该方法在视频事件分析取证中的有效性。　　 其次，分析了Mean shift跟踪方法在特征距离计算时产生偏差的原因。并对其进行如下改进：利用主色直方图特征降低光照和颜色变化的影响，并用最大后验概率方法来提高对象匹配的准确性。进而实现了多摄像头的目标跟踪方法。实验表明该方法比直接使用传统颜色直方图的跟踪方法更加有效，并且在多摄像头的跟踪中具有较高的准确率。　　 最后，设计了视频取证分析原型系统，包括事件检测与对象跟踪等模块。通过对火车站站台监控系统中的丢包案例的分析，证明该系统能够检测丢包事件和跟踪嫌疑对象，并生成视频证据，提高了取证分析的工作效率。