Dans cette étude, nous proposons d'utiliser des informations sur les actions humaines pour améliorer l'estimation de la posture dans les vidéos monoculaires. À cet effet, nous présentons un modèle de structure picturale qui exploite des informations de haut niveau sur les activités afin d'intégrer des dépendances de plus haut ordre entre les parties en modélisant des modèles d'apparence spécifiques aux actions et des a priori de posture. Cependant, au lieu d'utiliser un cadre supplémentaire coûteux pour la reconnaissance des actions, les a priori d'action sont estimés efficacement par notre cadre d'estimation de la posture. Ceci est réalisé en commençant par un a priori d'action uniforme et en mettant à jour cet a priori pendant l'estimation de la posture. Nous montrons également que l'apprentissage du bon niveau de partage d'apparence entre les classes d'actions améliore l'estimation de la posture. Nous démontrons l'efficacité de la méthode proposée sur deux jeux de données difficiles pour l'estimation de la posture et la reconnaissance des actions, comprenant plus de 80 000 images de test.