أبرز التحديات الصعبة والأساسية في المراقبة الفيديوية الذكية تكمن في التعرف على الحالات غير الطبيعية في مقاطع الفيديو التي تحتوي على سلوكيات أو أحداث غير طبيعية. ويُعدّ التعريف الغامض للمفهوم غير الطبيعي سببًا رئيسيًا في صعوبة كشفه. مستوحى من الانتشار الواسع للشبكات التوليدية المتنافسة (GANs)، قمنا بتطوير طريقة للكشف عن الشذوذ في الفيديو تُعرف بـ VALD-GAN (الشبكة التوليدية المتنافسة المُعززة بمحقق المُتغير الخفي)، والتي تدمج قدرة الشبكات التوليدية المتنافسة على تمثيل البيانات مع إطار عمل مُبتكر لمحقق المُتغير الخفي، بهدف جعل الفضاء الخفي يتبع توزيعًا مُسبقًا مُحدّدًا. أظهرت نتائج تجاربنا أن الطريقة المقترحة تُحسّن بشكل كبير قدرة النموذج على التمييز بين الحالات الطبيعية وغير الطبيعية. حققت VALD-GAN درجات AUC وEER بلغت 97.98 و6.0% على مجموعة بيانات UCSD Peds1، و97.74 و7.01% على UCSD Peds2، و91.03 و9.04% على مجموعة بيانات CUHK Avenue، على التوالي. كما تمكنت من اكتشاف 62 حدثًا غير طبيعي من أصل 66 حدثًا في مجموعة بيانات مدخلات ومحطات المترو، مع تسجيل 4 إشارات إنذار خاطئة، و62 حدثًا من أصل 62 في مجموعة بيانات مدخلات ومحطات المترو، مع تسجيل إشارة إنذار خاطئة واحدة فقط.