UTD signifie Université du Texas à Dallas, MHAD signifie Multimodal Human Action Dataset. Cet ensemble de données se compose de vidéos de 8 sujets effectuant 27 actions. Chaque sujet a répété une action quatre fois, ce qui a donné un total de 861 séquences d'actions (3 séquences d'actions ont été supprimées en raison de dommages). L'ensemble de données comporte quatre modes de données synchronisés dans le temps, à savoir la vidéo RVB, la vidéo de profondeur, la position du squelette, les signaux inertiels de la caméra Kinect et le capteur inertiel portable.

Cet ensemble de données peut être utilisé pour étudier les méthodes de fusion, de la même manière que l'ensemble de données combine les données de caméras de profondeur avec les données de capteurs inertiels. Il peut également être utilisé pour la recherche multimodale dans le domaine de la reconnaissance du comportement humain.