La reconnaissance d'actions en une seule prise vise à identifier de nouvelles catégories d'actions à partir d'un seul exemple de référence, généralement appelé l'exemple ancre. Cette étude présente une nouvelle approche pour la reconnaissance d'actions en une seule prise dans des conditions réelles, qui calcule des représentations de mouvement robustes aux conditions cinématiques variables. La reconnaissance d'actions en une seule prise est ensuite réalisée en évaluant les représentations de mouvement de l'exemple ancre et de la cible. Nous développons également un ensemble d'étapes complémentaires qui améliorent les performances de reconnaissance d'actions dans les scénarios les plus difficiles. Notre approche est évaluée sur le benchmark public NTU-120 pour la reconnaissance d'actions en une seule prise, surpassant ainsi les modèles précédents de reconnaissance d'actions. De plus, nous évaluons notre cadre sur un cas pratique réel impliquant la thérapie avec des personnes autistes. Ces enregistrements sont particulièrement complexes en raison des artefacts de haut niveau issus du mouvement des patients. Nos résultats fournissent non seulement des mesures quantitatives mais aussi qualitatives en ligne, essentielles pour l'évaluation et le suivi des patients pendant la thérapie réelle.