安全监控对于维护社会和谐与保障人民安宁生活具有重要意义，对增强社会稳定性及生命安全防护具有深远影响。在视频监控中实现对异常行为的及时、高效、准确检测，仍是当前面临的重要挑战。本文提出一种新型异常检测方法——S²-VAE，用于从视频数据中识别异常。S²-VAE由两种新型神经网络构成：堆叠全连接变分自编码器（S F -VAE）与跳跃卷积变分自编码器（S C -VAE）。其中，S F -VAE是一种浅层生成网络，用于构建类似高斯混合模型的分布结构，以拟合实际数据的分布特征；S C -VAE作为S²-VAE的核心组件，是一种深层生成网络，融合了卷积神经网络（CNN）、变分自编码器（VAE）与跳跃连接（skip connections）的优势。S F -VAE与S C -VAE均为高效且有效的生成模型，能够同时提升对局部异常事件与全局异常事件的检测性能。本文在四个公开数据集上对所提出的S²-VAE方法进行了评估，实验结果表明，该方法在异常检测任务中显著优于当前最先进的算法。相关代码已公开，可通过 https://github.com/tianwangbuaa/ 获取。