Mozgóképek, többkamerás leképezések jeleneteinek osztályozása és indexelése, 3D modellezésbe helyezése. A képsorozatokon vagy pontfelhőkben olyan jellemzőket keresünk (pl. jellemző mozgások, felismert alakzatok, fókuszált területek, színek, speciális beállítások), amelyekkel az adott képsort (jelenetet) leírhatjuk és a helyszín eseményeinek kiértékelése lehetővé válik. Ennek megfelelően a feladathoz tartozik a

1. kamera és más szenzor adatainak feldolgozása (ez lehet multimodális, vagy fuzionált),
2. esemény és tartalom leírók meghatározása, ezekhez kapcsolódó
3. adatreprezentációs modellek és metrikák  kidolgozása és a
4. modellhez illeszkedő osztályozó eljárás kiválasztása és tanítása.
5. 3D geometriai modellezés: helyszín 3D modellje, szenzor fúzionálás, képi kalibrációs eljárások

A komplex tanulási és felismerési eljárások, mint "Deep Learning", "Convolutional Neuralk Network" alkalmazása ajánlott. Szerepet kaphat továbbá az események rejtett Markov alapú felismerése. Sokszereplős videók (pl. csoportok, tömeg mozgása) esetén a hierarchikus valószínűségi modellekkel vagy gráf alapú leírással szemantikus értelmezésre is lehetőség nyílik.