تمثّل كشف الشذوذ في مقاطع الفيديو المراقبة موضوعًا يكتسب اهتمامًا متزايدًا في الآونة الأخيرة. وعلى الرغم من أن أداء الطرق الحديثة الأكثر تقدمًا على مجموعات البيانات المتاحة للعامة كان مُنافسًا، إلا أنها تتطلب كمًّا هائلًا من البيانات التدريبية. كما أن هذه الطرق تفتقر إلى نهج محدد لتحديث النموذج المدرب بشكل مستمر عند توفر بيانات جديدة. علاوةً على ذلك، يُعد اتخاذ القرار في الوقت الفعلي عاملًا مهمًا لكنه غالبًا ما يتم تجاهله في هذا المجال. مُحفّزًا بهذه الفجوات البحثية، نُقدّم طريقة للكشف عن الشذوذ في الوقت الفعلي في مقاطع الفيديو المراقبة باستخدام التعلم الناقل (Transfer Learning) والتعلم بأي عدد من الأمثلة (Any-shot Learning)، مما يُقلل بشكل كبير من تعقيد التدريب ويوفّر آلية قادرة على اكتشاف الشذوذ باستخدام عدد قليل جدًا من الأمثلة المعيارية المُعلّمة. تعتمد الخوارزمية المقترحة على قدرة نماذج النماذج العصبية على استخراج الميزات في سياق التعلم الناقل، وكذلك على القدرة على التعلم بأي عدد من الأمثلة التي تمتلكها طرق الكشف الإحصائي.