En los últimos años, debido al continuo avance de la tecnología, la detección y reconocimiento del comportamiento humano se han convertido en una importante investigación científica en el campo de la visión por computadora (CV). Sin embargo, uno de los problemas más desafiantes en CV es la detección de anomalías (AD) debido al entorno complejo y la dificultad para extraer una característica particular que se correlacione con un evento específico. A medida que aumenta el número de cámaras monitoreando un área determinada, será vital contar con sistemas capaces de aprender de la vasta cantidad de datos disponibles para identificar cualquier comportamiento sospechoso potencial. Luego, la introducción del aprendizaje profundo (DL) ha traído nuevas direcciones de desarrollo para AD. En particular, modelos de DL como las redes neuronales convolucionales (CNN) y las redes neuronales recurrentes (RNN) han logrado un excelente rendimiento al tratar con tareas de AD, así como otros dominios desafiantes como la clasificación de imágenes, la detección de objetos y el procesamiento del habla. En esta revisión, nuestro objetivo es presentar una visión general exhaustiva de esos métodos de investigación que utilizan DL para abordar el problema de AD. En primer lugar, se introducen diferentes clasificaciones de anomalías, y luego se discuten y analizan los métodos y arquitecturas de DL utilizados para la AD en video, respectivamente. Las contribuciones revisadas se han categorizado por tipo de red, modelo de arquitectura, conjuntos de datos y métricas de rendimiento que se utilizan para evaluar estas metodologías. Además, se han discutido varias aplicaciones de AD en video. Finalmente, hemos esbozado los desafíos y las direcciones futuras para investigaciones adicionales en el campo.