El hurto en tiendas es un problema importante para los propietarios de tiendas y muchas otras partes, incluida la policía. La vigilancia por video genera grandes cantidades de información que el personal no puede procesar en tiempo real. En este artículo, se resolvió el problema de detectar el hurto en registros de video utilizando un clasificador, que era una red neuronal híbrida. La red neuronal híbrida incluía redes convolucionales y recurrentes. La red convolucional se utilizó para extraer características de los fotogramas de video. La red recurrente procesó la secuencia temporal de las características de los fotogramas de video y clasificó los fragmentos de video. En este trabajo, se seleccionaron unidades recurrentes con compuertas como la red recurrente. Se utilizó el conocido conjunto de datos UCF-Crime para formar los conjuntos de datos de entrenamiento y prueba. Los resultados de clasificación mostraron una alta precisión del 93%, que fue mayor que la precisión de los clasificadores considerados en la revisión. Investigaciones futuras se centrarán en la implementación práctica de la red neuronal híbrida propuesta.