La reconnaissance des actions humaines constitue un défi majeur pour les systèmes autonomes, qui partagent directement le même espace que les humains. Ces systèmes doivent être capables de reconnaître et d'évaluer les actions humaines en temps réel. Pour former des algorithmes de traitement de données correspondants, une quantité importante de données d'entraînement annotées est nécessaire. Nous avons présenté une chaîne de traitement permettant de détecter les humains, d'estimer leur posture, de les suivre dans le temps et de reconnaître leurs actions en temps réel à l'aide de capteurs caméra monoculaires standards. Pour la reconnaissance des actions, nous codons la posture humaine dans un nouveau format de données appelé Image de Posture Humaine Codée (EHPI), qui peut ensuite être classifiée à l'aide de méthodes standard issues de la communauté en vision par ordinateur. Grâce à cette procédure simple, nous obtenons des performances compétitives à l'état de l'art dans la détection des actions basée sur la posture et pouvons garantir une performance en temps réel. De plus, nous présentons un cas d'utilisation dans le contexte de la conduite autonome pour démontrer comment un tel système peut être formé afin de reconnaître les actions humaines à partir de données simulées.