La comercialización y el avance de los vehículos aéreos no tripulados (VANT) han aumentado en las últimas décadas para la vigilancia. Los VANT utilizan cámaras estabilizadas y tecnología LIDAR para el monitoreo, ya que son dispositivos con recursos limitados compuestos de almacenamiento, energía de batería y capacidad de computación limitadas. Por lo tanto, la cámara de vigilancia del VANT y los datos LIDAR deben ser analizados, extraídos y almacenados de manera eficiente. La sinopsis de video es una metodología eficiente que trata con objetos en primer plano que cambian en el tiempo y el espacio del dominio, creando así un video condensado para análisis y almacenamiento. Sin embargo, las metodologías tradicionales de sinopsis de video no son aplicables para hacer una sinopsis de comportamiento anormal (por ejemplo, crear una sinopsis solo de la persona anormal que lleva un revólver). Para mitigar este problema, propusimos una sinopsis de video basada en fusión temprana. Hay una diferencia drástica entre los métodos de sinopsis propuestos y los existentes, ya que tiene varias características urgentes. Inicialmente, fusionamos los datos de la cámara 2D y la nube de puntos LIDAR 3D; en segundo lugar, realizamos la detección de objetos anormales utilizando un detector personalizado en los datos fusionados y, finalmente, extraímos solo los datos significativos para crear una sinopsis. Demostramos resultados satisfactorios al fusionar, construir la sinopsis y detectar el objeto anormal; logramos un mAP del 85.97%.