Behörden sowie Rettungs- und Notfallkräfte zeigen ein wachsendes Interesse an intelligenten Unterstützungssystemen zur Gewährleistung der öffentlichen Sicherheit, wobei insbesondere die Verhaltensanalyse von Fußgängern mittels Videoüberwachungssysteme eine zentrale Rolle spielt. Um die Bedenken der Bürger hinsichtlich ihrer Persönlichkeitsrechte zu berücksichtigen, steigt die Nachfrage nach datenschutzfreundlichen Ansätzen, die möglichst wenig personenbezogene Informationen verarbeiten. In diesem Artikel untersuchen wir bestehende Ansätze zur Erkennung anomaler oder auffälliger Verhaltensmuster, die ausschließlich auf Person-Pose-Informationen basieren, im Kontext realweltbasierter Überwachungsanwendungen. Insbesondere wählen wir zwei state-of-the-art-Verfahren aus und evaluieren sie anhand zweier öffentlicher sowie einer internen Datensammlung, um die Gesamtleistung dieser Methoden für die vorgesehene Aufgabe zu analysieren. Zudem präsentieren wir unseren eigenen Ansatz, der vergleichbare Ergebnisse erzielt. Schließlich erweitern wir die genannten Methoden um eine Speichererweiterung zur Modellierung normaler Verhaltensmuster, was im Durchschnitt eine um 4,3 % höhere Erkennungsleistung ermöglicht.