أصبحت التحديات المرتبطة بالرعاية الموجهة لزيادة عدد السكان المسنين محورًا بحثيًا مهمًا، مما جعل مفهوم "الحياة المساعدة في البيئة المحيطة" (Ambient Assisted Living) مجالًا مركزيًا للبحث. يمكن لتقنيات الرؤية الحاسوبية مراقبة الأنشطة اليومية لكبار السن في منازلهم، مما يوفر رؤى حول حالتهم الصحية ويساعد في تمديد قدرتهم على العيش بشكل مستقل. ومع ذلك، وعلى الرغم من الفوائد التي تقدمها هذه التقنيات، فإن انتشارها واسع النطاق يواجه عقبات بسبب المخاوف المتعلقة بالخصوصية. وتُعزى هذه المخاوف غالبًا إلى الحاجة إلى بث بيانات المستخدم إلى خوادم السحابة (Cloud Servers) للحساب، ما يشكل خطرًا على خصوصية المستخدم. تُقترح في هذه الدراسة طريقة حافظة للخصوصية في التعرف على الأنشطة، تُعزز دقة التعرف على الأنشطة محليًا، وتُلغِي الحاجة إلى بث بيانات المستخدم إلى السحابة. تتمثل مساهمات الورقة العلمية في جزأين: أولًا، شبكة تصفية عميقة متعددة الأبعاد مبنية على رسم بياني معزول زمنيًا (Temporal Decoupling Graph Depthwise Separable Convolution Network - TD-GDSCN)، التي تُعالج التحديات المتعلقة بالأداء في الزمن الحقيقي؛ وثانيًا، تقنية تكبير البيانات (Data Augmentation) التي تمنع تدهور الدقة في الظروف البيئية الواقعية. أظهرت نتائج التجارب أن نموذج TD-GDSCN وتقنيات تكبير البيانات تتفوقان على الطرق الحالية في مواجهة تحديات الأداء في الزمن الحقيقي وتدهور الدقة، وذلك على مجموعتي بيانات NTU-RGB+D 60 وNW-UCLA.