التفصيل الدقيق لتقسيم وتمييز الأفعال هو مهمة مهمة ومعقدة. بالنظر إلى سلسلة طويلة غير مقصوصة من البيانات الحركية، فإن المهمة تتطلب تصنيف الفعل في كل إطار زمني وتقسيم السلسلة الزمنية إلى الترتيب الصحيح للأفعال. في هذا البحث، نقترح إطارًا جديدًا يجمع بين نموذج المجال العشوائي الشرطي (CRF) الزمني وتمثيل قوي على مستوى الإطار يستند إلى الترميز النادر التميزي. نقدم خوارزمية شاملة لتعلم أوزان نموذج CRF بشكل مشترك، والتي تشمل تكاليف تصنيف الأفعال وانتقالها، بالإضافة إلى قاموس متكامل للعناصر الأولية للأفعال المتوسطة. هذا يؤدي إلى نموذج CRF يتم تشغيله بواسطة ميزات الترميز النادر التي يتم الحصول عليها باستخدام قاموس تميزي مشترك بين الأفعال المختلفة ومكيف للتعلم المنظم للنواتج. نقيم طريقتنا على ثلاث مهام جراحية باستخدام بيانات حركية من مجموعة بيانات JIGSAWS، وعلى مهمة إعداد الطعام باستخدام بيانات المسرعات من مجموعة بيانات 50 Salads. تظهر نتائجنا أن الطريقة المقترحة تؤدي بنفس المستوى أو أفضل من الطرق الرائدة في مجالها.