Ce travail présente une nouvelle approche pour localiser les anomalies dans des vidéos de surveillance. La principale originalité réside dans l'idée d'utiliser un réseau de neurones convolutif en siamois (CNN) afin d'apprendre une fonction de distance entre une paire de patches vidéo (régions spatio-temporelles). La fonction de distance apprise, qui n'est pas spécifique à la vidéo cible, est ensuite utilisée pour mesurer la distance entre chaque patch vidéo dans la vidéo de test et les patches vidéo extraits de vidéos normales utilisées pour l'entraînement. Si un patch vidéo de test n'est similaire à aucun patch vidéo normal, alors il est nécessairement anormal. Nous comparons notre méthode à des algorithmes publiés précédemment à l'aide de quatre mesures d'évaluation et de trois jeux de données de référence exigeants. Les expériences montrent que notre approche dépasse ou se compare avantageusement aux méthodes les plus avancées actuellement disponibles.