视频异常检测是一个病态问题，因为它依赖于许多参数，如外观、姿态、摄像机角度、背景等。我们将该问题简化为人体姿态异常检测，从而减少了诸如外观等干扰参数对结果的影响。专注于姿态还有助于减少对不同少数群体的偏见。我们的模型直接作用于人体姿态图序列，并且非常轻量级（约1K参数），能够在任何能够运行姿态估计的机器上运行，几乎不需要额外资源。我们利用了归一化流框架中高度紧凑的姿态表示，并将其扩展以应对时空姿态数据的独特特性，展示了其在这一应用场景中的优势。该算法具有较强的通用性，可以处理仅包含正常样本的训练数据，也可以处理包含标记正常和异常样本的监督设置。我们在两个异常检测基准数据集上报告了最先进的结果——无监督的ShanghaiTech数据集和最近的监督UBnormal数据集。