人的行動の異常を検出することは、路上の喧嘩や高齢者の転倒など危険な状況を早期に認識するために極めて重要である。しかし、異常検出は困難である。その理由は、異常イベントが稀にしか発生せず、かつ推論時に異常とされる事象が学習段階で観測されていないというオープンセット認識（open-set recognition）の性質に起因する。本研究では、骨格運動をグラフ畳み込みネットワーク（GCN）で符号化し、異常行動検出（Video Anomaly Detection）において、骨格運動の埋め込みを体積最小の潜在超球面上に収縮（COntract SKeletal kinematic embeddings）する新たなモデル「COSKAD」を提案する。さらに、一般的に用いられるユークリッド空間に加え、新規に球面空間および双曲空間の3種類の潜在空間を提案する。これらのすべてのバリエーションが、最新のUBnormalデータセットにおいて最先端の性能を達成しており、本研究では骨格情報が注釈された人間関連バージョンのデータセットを提供する。COSKADは、ShanghaiTech CampusおよびCUHK Avenueの人間関連バージョンにおいても新たな最先端性能を達成し、動画ベースの手法と同等の性能を発揮している。本研究のソースコードおよびデータセットは、採択後公開予定である。