Provided is an anomaly sensing system such that the burden on a subject to be monitored is small. This anomaly sensing system comprises: a sensor (NS) which detects an action of a person； an action prediction unit (12) which, on the basis of detection information of the sensor, predicts the action of the person using a machine learning model； and an alert mode operation control unit (16) which, if the difference between an average action label indicating the action of the person at a normal time and a predicted action label derived by the action prediction unit exceeds a threshold, sets the sensor to an alert mode wherein a detailed detection is made, and determines whether an anomaly is occurring with the person. The sensor comprises any of a motion sensor, an illumination sensor, or a hygrothermal sensor. On the basis of a detection value and a detection time of the sensor, the action prediction unit computes the predicted action label using an LSTM network model.La présente invention concerne un système de détection d'anomalie de telle sorte que la charge sur un sujet à surveiller est petite. Ce système de détection d'anomalie comprend : un capteur (NS) qui détecte une action d'une personne ； une unité de prédiction d'action (12) qui, sur la base d'informations de détection du capteur, prédit l'action de la personne à l'aide d'un modèle d'apprentissage automatique ； et une unité de commande d'opération de mode d'alerte (16) qui, si la différence entre une étiquette d'action moyenne indiquant l'action de la personne à un moment normal et une étiquette d'action prédite dérivée par l'unité de prédiction d'action dépasse un seuil, fixe le capteur à un mode d'alerte dans lequel une détection détaillée est effectuée, et détermine si une anomalie se produit avec la personne. Le capteur comprend l'un quelconque d'un capteur de mouvement, d'un capteur d'éclairage, ou d'un capteur hygrothermique. Sur la base d'une valeur de détection et d'un temps de détection du capteur,
