视频取证已成为计算机视觉领域的一个热门分支。其中的视频分析在视频图像中的底层视觉特征与人类的语义概念之间的还存在鸿沟。在目前数字视频监控已经大规模应用的情况下，实时分析重要视频流并且保全相关视频证据变得十分重要，从海量视频库中快速、准确地筛选与特定案件相关的视频，进而辅助分析出有关时间、地点、人员等方面的联系均是该领域的关键问题。　　 本文以自动柜员机(Automatic Teller Machine，ATM)机上发生的异常事件作为主要研究对象。此类事件常见于银行卡被盗、被抢和在ATM机上进行非法交易等案件中。本文主要研究此类事件监控视频的自动取证方法，具体从取款人(脸部和手)的异常行为识别与目标跟踪等方面进行研究，主要工作有：　　 首先，针对常出现的取款人故意遮挡脸部等反侦查、证据掩盖行为，提出一种基于智能视频内容分析的异常行为识别方法。该方法将人脸检测、跟踪和眼睛、嘴巴区域标定相结合，充分利用了视频的时空特性和形状特征，能够抵抗干扰或者减小光线变化造成的影响。实验结果表明该方法在此类视频行为分析中，能够准确识别视频中出现的异常行为，识别速度达到对监控视频分析处理的基本要求。　　 其次，针对取款人不插卡却实施取款操作等异常行为，通过对取款人手的异常行为分析，实现ATM机上异常事件的取证。由于使用均值漂移算法实现跟踪会出现偏差的现象，收敛于局部极值点，采用了最大后验概率来保证预测阶段的准确性，采用粒子滤波器和均值漂移算法相融合的目标跟踪方法，对人手跟踪后的运动轨迹进行基于时空特征的行为建模分析。实验结果表明该方法比单独使用均值漂移或者粒子滤波的跟踪方法更加有效，并且具有较高的准确率，达到后期处理的要求。　　 最后，设计开发了面向ATM机视频的视频取证原型系统，实现了针对ATM机上的异常事件取证等功能，应用该系统对相关实际案例视频进行分析处理，结果表明能够快速、有效地检测出异常事件，并生成视频证据。