動画における異常検出のための効率的な手法を提示する。近年、畳み込みニューラルネットワーク（CNN）の応用により、画像分野における物体検出および認識において、畳み込み層の有効性が示されている。しかし、CNNは教師あり学習に基づくものであり、学習のためにはラベル情報が必要となる。本研究では、混雑したシーンを含む動画における異常検出を目的とした、空間時間的アーキテクチャを提案する。本アーキテクチャは、空間的特徴の表現を担うモジュールと、空間的特徴の時間的変化を学習するモジュールの2つの主要な構成要素から構成されている。Avenue、Subway、UCSDの各ベンチマークにおける実験結果から、本手法の検出精度が最先端手法と同等でありながら、最大140 fpsの高速処理が可能であることが確認された。