Wir präsentieren BiPOCO, einen bidirektionalen Trajektorievorhersager mit POse COnstraints, zur Erkennung anormaler Aktivitäten von Fußgängern in Videos. Im Gegensatz zu vorherigen Ansätzen, die auf der Rekonstruktion von Merkmalen basieren, identifiziert unsere Methode anormale Ereignisse von Fußgängern durch die Vorhersage ihrer zukünftigen Trajektorien und den Vergleich dieser Vorhersagen mit erwarteten Bewegungsmustern. Wir führen eine Reihe neuartiger, auf der Körperhaltung basierender Verlustfunktionen in Verbindung mit unserem Vorhersage-Modell ein und nutzen die Vorhersagefehler einzelner Gelenke zur Erkennung anormaler Verhaltensweisen von Fußgängern. Experimentelle Ergebnisse zeigen, dass unsere BiPOCO-Methode anormale Aktivitäten von Fußgängern mit einer hohen Erkennungsrate (bis zu 87,0 %) detektieren kann, und die Berücksichtigung von Haltungsbeschränkungen hilft, normale und anormale Körperhaltungen in der Vorhersage klar zu unterscheiden. Diese Arbeit erweitert die aktuelle Forschungsliteratur zu vorhersagebasierten Methoden zur Anomalieerkennung und kann sicherheitskritischen Anwendungen wie autonomes Fahren und Überwachung zugutekommen. Der Quellcode ist unter https://github.com/akanuasiegbu/BiPOCO verfügbar.