تمثل الكشف عن الشذوذ في مقاطع الفيديو المراقبة مجالًا يشهد اهتمامًا متزايدًا في الآونة الأخيرة. ومن الجوانب الصعبة المتعلقة بالتطبيقات عالية الأبعاد مثل المراقبة عبر الفيديو، التعلم المستمر. وعلى الرغم من الأداء الجيد للنهج الحديثة المتميزة في التعلم العميق على المجموعات العامة للبيانات الحالية، إلا أنها تفشل في الأداء ضمن إطار التعلم المستمر نظرًا للمشكلات الحاسوبية والتخزينية. علاوة على ذلك، يُعد اتخاذ القرار في الوقت الفعلي عاملًا مهمًا لكنه غالبًا ما يُهمل في هذا المجال. مستوحى من هذه الفجوات البحثية، نقترح طريقةً للكشف عن الشذوذ في الوقت الفعلي في مقاطع الفيديو المراقبة باستخدام التعلم الناقل (transfer learning) والتعلم المستمر، مما يقلل بشكل كبير من تعقيد التدريب ويوفر آلية للتعلم المستمر من البيانات الحديثة دون التعرض للنسيان الكارثي. تعتمد الخوارزمية المقترحة على قدرة نماذج الشبكات العصبية على استخلاص الميزات في سياق التعلم الناقل، بالإضافة إلى قدرة طرق الكشف الإحصائي على التعلم المستمر.