النهج الكلاسيكي للكشف عن الأنشطة غير الطبيعية هو تعلم تمثيل لأنشطة طبيعية من بيانات التدريب واستخدام هذا التمثيل المُتعلم للكشف عن الأنشطة غير الطبيعية أثناء الاختبار. عادةً ما تعمل الطرق المستندة إلى هذا النهج على مقياس زمني ثابت - إما في لحظة زمنية واحدة (مثل: اعتماد الإطار) أو فترة زمنية ثابتة (مثل: اعتماد مقطع الفيديو). ومع ذلك، يمكن أن تحدث الأنشطة غير الطبيعية للبشر بمعدلات زمنية مختلفة. على سبيل المثال، القفز هو تشذّذ قصير الأمد والتجول هو تشذّذ طويل الأمد في سيناريو المراقبة. لا يكفي وجود مقياس زمني واحد ومُعرَّف مسبقًا لالتقاط مجموعة واسعة من التشوهات التي تحدث بفترات زمنية مختلفة. في هذه الورقة البحثية، نقترح نموذجًا متعدد المقاييس الزمنية لالتقاط الديناميكيات الزمنية بمقياس زمني مختلف. بشكل خاص، يقوم النموذج المقترح بالتنبؤ بالمستقبل والماضي بمقياس زمني مختلف لمسار وضع جسدي معطى. يتكون النموذج من عدة طبقات حيث تكون الطبقات الوسيطة مسؤولة عن إنتاج التنبؤات المرتبطة بمقياس زمني مختلف. يتم دمج هذه التنبؤات لاكتشاف الأنشطة غير الطبيعية. بالإضافة إلى ذلك، نقدم أيضًا مجموعة بيانات للأبحاث تحتوي على 483,566 إطارًا مشروحًا. سيتم توفير مجموعة البيانات في https://rodrigues-royston.github.io/Multi-timescale_Trajectory_Prediction/ تظهر تجاربنا أن النموذج المقترح قادر على التقاط التشوهات ذات الفترات الزمنية المختلفة ويتفوق على الطرق الموجودة حاليًا.