El número de cámaras de vigilancia instaladas en los últimos años ha ido en aumento y, con ello, también ha aumentado el tamaño y costo de los centros de gestión y control de los sistemas de vigilancia. Aunque se ha avanzado considerablemente en el procesamiento de imágenes para la observación de hechos anómalos, aún se está lejos de prescindir del agente humano como último eslabón de la cadena de toma de decisiones. Este proyecto estudia el estado del arte del procesamiento de imágenes y de la detección de patrones, y presenta una prueba de concepto de un sistema capaz de generar alertas ante hechos predefinidos que ocurren en una secuencia de imágenes. En otras palabras, el sistema actúa como una herramienta para enfocar la atención de los agentes humanos en las escenas con indicios de hechos anómalos. En la implementación del sistema se utilizan diversas tecnologías incluyendo el lenguaje de programación Python 3 y la plataforma de mensajes RabbitMQ, así como también métodos ya implementados, proporcionados por las bibliotecas OpenCV, Scipy, FilterPy y Numpy, entre otras. El sistema se estructura bajo una arquitectura basada en tubos y filtros donde cada filtro representa una -o parte de una- etapa del proceso, facilitando la evaluación de diferentes métodos para una misma etapa. En forma general, el sistema implementado cuenta con dos etapas principales, donde la primera etapa está dedicada a la extracción de las características de las imágenes (detección de los objetos de interés y seguimiento de su posición en el tiempo), mientras la segunda etapa se dedica a la detección del cumplimiento de patrones por parte de los objetos seguidos. En el proyecto se planifican y se llevan a cabo más de 1450 instancias de procesamiento que componen el análisis experimental, que abarca las dos etapas principales del sistema. Para la etapa de extracción de características de las imágenes se agrupan los parámetros de configuración y se los varía bajo las mismas condiciones, llegando de esa forma a una configuración sub-óptima de valores paramétricos del sistema. Los análisis son efectuados con el video de prueba PETS09-S2L1 y los resultados son comparados con la lista de algoritmos del portal MOT Challenge. Los principales aportes de este trabajo se concentran en el estudio del marco teórico necesario para la implementación de sistemas que, trabajando en tiempo real y tomando como entrada secuencias de imágenes, sean capaces de extraer características de las imágenes y utilizarlas para detectar el cumplimiento de patrones predefinidos. El marco teórico proporcionado por este trabajo es un recurso de valor para cualquier equipo de trabajo cuya intención sea el estudio e implementación de sistemas de la misma índole. Además, se aporta la implementación de un sistema que aplica las técnicas relevadas, con el cual se obtuvieron resultados aceptables comparados con sistemas que abordan problemas similares. De este modo, el proyecto logra proporcionar una prueba fehaciente de la viabilidad en la construcción de este tipo de sistemas.