Dans cet article, nous proposons une nouvelle méthode de détection d'événements anormaux utilisant des réseaux adverses spatio-temporels (STAN). Nous avons conçu un générateur spatio-temporel qui synthétise une image intermédiaire en prenant en compte les caractéristiques spatio-temporelles grâce à des ConvLSTM bidirectionnels. Un discriminateur spatio-temporel proposé utilise des couches de convolution 3D pour déterminer si une séquence d'entrée est réelle et normale ou non. Ces deux réseaux sont entraînés de manière antagoniste afin d'encoder efficacement les caractéristiques spatio-temporelles des modèles normaux. Après l'apprentissage, le générateur et le discriminateur peuvent être utilisés indépendamment comme détecteurs, et les écarts par rapport aux modèles normaux appris sont détectés comme anomalies. Les résultats expérimentaux montrent que la méthode proposée a atteint des performances compétitives comparées aux méthodes de pointe actuelles. De plus, pour l'interprétation, nous visualisons la localisation des événements anormaux détectés par les réseaux proposés en utilisant la perte du générateur et les gradients du discriminateur.