HAR es un campo de investigación relacionado con la detección voluntaria de actividades cotidianas realizadas por personas a partir de series temporales de datos mediante sensores. HAR abarca diversos ámbitos, como la vigilancia, el seguimiento de bebés, la atención sanitaria a personas mayores o la conducción inteligente de automóviles, y utiliza distintos enfoques para resolver problemas de forma eficaz y precisa. Los sistemas HAR tradicionales utilizan sensores portátiles como unidades de medición inercial (IMU) y sensores de estiramiento para reconocer la actividad.Este enfoque muestra resultados notables para actividades básicas del usuario como sentarse, estar de pie y caminar. Sin embargo, en el caso de actividades complejas como correr, saltar, luchar y balancearse, los sistemas HAR basados en sensores presentan mayores tasas de clasificación errónea debido a los errores de lectura de los sensores. Estos errores de los sensores tienen los peores resultados de clasificación posibles y reducen el rendimiento global del sistema HAR. Utilizando una combinación de CNN y LSTM se extraerán y procesarán los datos de los vídeos. Se propone una red neuronal convolucional profunda, mediante la cual se extraerán las características para la obtención de los datos a partir de la secuencia de entrada (vídeo). A continuación, se utilizará LSTM para determinar las relaciones temporales entre las imágenes.