Les autorités ainsi que les services d’urgence et de secours s’intéressent de plus en plus aux systèmes d’aide intelligents afin de garantir la sécurité publique, en particulier par l’analyse comportementale des piétons à l’aide de systèmes de vidéosurveillance. Afin de répondre aux préoccupations des citoyens concernant leurs droits individuels, une demande croissante émerge pour des approches respectueuses de la vie privée des données, utilisant au minimum d’informations. Dans cet article, nous examinons les approches existantes visant à détecter des comportements anormaux ou remarquables à partir uniquement des informations relatives à la posture des individus, dans le cadre d’applications réelles de surveillance. Plus précisément, nous avons sélectionné deux approches de pointe existantes et les avons évaluées sur deux jeux de données publics ainsi qu’un jeu de données interne, afin d’analyser leur performance globale pour la tâche souhaitée. Par ailleurs, nous présentons notre propre approche, qui atteint des résultats comparables à ceux des méthodes existantes. Enfin, nous étendons ces méthodes en introduisant une mémoire pour modéliser le comportement normal, ce qui permet d’obtenir en moyenne une amélioration de 4,3 % en termes de performance de reconnaissance.