Die automatische Anomalieerkennung ist eine entscheidende Aufgabe in Videoüberwachungssystemen, die intensiv für die öffentliche Sicherheit und andere Anwendungen eingesetzt werden. Das vorgestellte System verwendet in einem einheitlichen Netzwerk einen räumlichen Zweig und einen zeitlichen Zweig, um sowohl räumliche als auch zeitliche Informationen effektiv auszunutzen. Das Netzwerk basiert auf einer Residual-Autoencoder-Architektur, die aus einem tiefen, auf convolutionalen neuronalen Netzen basierenden Encoder und einem mehrstufigen, kanalbasierten Aufmerksamkeits-Decoder besteht und auf unsupervisierter Weise trainiert wird. Zur Ausnutzung zeitlicher Merkmale wird die Temporale-Verschiebungsmethode eingesetzt, während kontextuelle Abhängigkeiten durch Kanal-Aufmerksamkeitsmodule erfasst werden. Die Leistung des Systems wird anhand dreier etablierter Benchmark-Datensätze evaluiert. Die Ergebnisse zeigen, dass unser Netzwerk die derzeit besten Methoden übertrifft und für die Datensätze UCSD Ped2, CUHK Avenue und ShanghaiTech jeweils 97,4 %, 86,7 % und 73,6 % im Hinblick auf die Fläche unter der ROC-Kurve (AUC) erreicht.