ビデオにおける異常事象検出は、近年注目を集めている複雑なコンピュータビジョンの問題です。この課題の複雑さは、一般的に採用されている異常事象の定義、つまり周囲の状況に依存する稀に発生する事象から生じています。異常事象検出を外れ値検出として標準的に定式化することに従い、当研究では訓練ビデオが正常な事象のみを含むことを前提とした背景非依存フレームワークを提案します。本フレームワークは物体検出器、一連の外観および運動オートエンコーダー、そして一連の分類器で構成されています。当フレームワークは物体検出結果のみに基づいて動作するため、異なるシーンにも適用可能であり、その条件は各シーン間で正常な事象が同一であることが求められ、単一の主要変動要因が背景であることです。訓練データにおいて異常データが不足している問題に対処するために、オートエンコーダーに対する敵対的学習戦略を提案します。我々はドメイン外の擬似異常例の集合を作成し、これらの擬似異常例が正しく再構築された後に勾配上昇を適用します。さらに、これらの擬似異常例を用いて外観ベースと運動ベースのバイナリ分類器を訓練し、正常と異常な潜在特徴量や再構築結果を区別します。当研究では4つのベンチマークデータセットに対して最新手法との比較を行い、様々な評価指標を使用しました。実験結果は既存手法と比較して全データセットにおいて有利な性能を達成していることを示しています。また、文献からの大規模な異常事象検出データセット2つ（ShanghaiTechおよびSubway）について領域ベースおよびトラックベースのアノテーションを提供しています。