O uso de sistema de câmeras de vigilância baseado em CFTV (circuito fechado de televisão) está presente em diversos setores da sociedade, seja para prevenir furtos, depredações, vandalismo, invasões, violência, terrorismo, entre outras ameaças, gerando um grande volume de filmagens. A análise manual desses vídeos é uma tarefa inviável devido ao grande volume de vídeos de longa duração, além das limitações humanas intrínsecas, que comprometem a percepção de múltiplos eventos estratégicos. Diversas tarefas de análise de vídeos de vigilância empregam informações de detecção/rastreamento de objetos em movimento a fim de analisar seu comportamento na cena e, assim, compreender seu papel em eventos ocorridos no vídeo. No entanto, a maioria dos sistemas de vigilância existentes se concentra apenas na detecção/rastreamento desses objetos, ou fornece uma análise básica de comportamento, com pouca ou nenhuma inserção do usuário no processo. Nesse sentido, as técnicas de Visualização de Informação são uma ferramenta em potencial para representar/explorar o comportamento/relacionamento dos objetos nesses vídeos. Essas representações permitem que o usuário efetivamente identifique os padrões de comportamento dos objetos e compreenda como eles contribuem para a ocorrência de eventos estratégicos nos vídeos. Este trabalho propõe uma estratégia de análise visual de vídeos de vigilância com foco na identificação e exploração do comportamento de objetos e sua relação com a ocorrência de eventos. A estratégia proposta combina um conjunto de layouts interativos coordenados para representar múltiplos aspectos do comportamento dos objetos, como presença em cena, relacionamentos/interações entre eles, movimento e ocupação da cena. Os usuários podem mudar a perspectiva de visualização, focando em objetos específicos, períodos de tempo e regiões da cena, fornecendo perspectivas espaciais e temporais desses comportamentos. Experimentos conduzidos em diversos cenários de vigilância demonstram a capacidade da metodologia proposta em identificar diferentes aspectos do comportamento dos objetos e como esses comportamentos se relacionam com a ocorrência de eventos nos vídeos de vigilância, permitindo ao usuário tomar decisões eficazes nesses vídeos.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorCNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoDissertação (Mestrado)The use of surveillance camera system based on CCTV (closed-circuit television) is present in different sectors of society, whether to prevent thefts, depredations, vandalism, invasions, violence, terrorism, among other threats, generating a large volume of video footage. The manual analysis of these videos is an unfeasible task due to the large volume of long duration videos, as well as due to intrinsic human limitations, which compromise the perception of multiple strategic events. Several surveillance video analysis tasks employ information from moving objects detection/tracking in order to analyse their behavior in the scene, and thus to understand their role on events that occurs in the video. However, most of the existing surveillance applications focus only in detecting/tracking these objects, or provide basic behavior analysis, with few or no user insertion in the process. In this sense, Information Visualization techniques is a potential tool to represent/explore objects behavior/relationship in these videos. These representations allow the user to effectively identify objects behavior patterns and comprehend how they contribute to the occurrence of strategic events in the videos. This work proposes a visual analysis strategy of surveillance video with focus on the identification and exploration of objects behavior and their relationship with events occurrence. The proposed strategy combines a set of coordinated interactive layouts to represent multiple aspects of the objects behavior, such as their presence in scene, relationships/interaction among them, movement and scene occupation. Users may change the visualization perspective, focusing on specific objects, time periods and scene regions, providing spatial and temporal perspectives of these behavior. The conducted experiments in several surveillance scenarios demonstrate the ability of the proposed methodology in identifying different aspects of objects behavior and how these behavior relate to events occurrence in the surveillance videos, enabling the user to make effective decisions in these videos.