كشف التسلسلات غير الطبيعية في الفيديو (VAD) يعالج مشكلة اكتشاف الأحداث غير الطبيعية تلقائيًا في بيانات الفيديو. تعتمد الأنظمة الحالية لـ VAD بشكل رئيسي على وسائط البيانات الثنائية الألوان أو صور RGB. وعلى الرغم من أن صور العمق تُعد خيارًا شائعًا في العديد من مجالات رؤية الحاسوب الأخرى، وازدياد توفر أجهزة كاميرات العمق الرخيصة، إلا أن استخدام بيانات العمق في هذا السياق لا يزال غير مُستكشَفٍ بشكل واسع. نُقيّم تطبيق الطرق القائمة على المُشفّر التلقائي (autoencoder) الحالية على مقاطع الفيديو باستخدام بيانات العمق، ونُقترح كيفية استغلال المزايا الناتجة عن استخدام بيانات العمق من خلال دمجها في دالة الخسارة. يتم التدريب بشكل غير مُشرَّف باستخدام تسلسلات طبيعية دون الحاجة إلى أي تسميات إضافية. نُظهر أن بيانات العمق تُمكّن من استخلاص معلومات مساعدة بسهولة لتحليل المشهد على شكل قناع المقدمة (foreground mask)، ونُثبت تأثيرها الإيجابي على أداء كشف التسلسلات غير الطبيعية من خلال تقييمها على مجموعة بيانات عامة كبيرة، حيث نُقدّم أول نتائج مُعلنة لها.