最近の深さ情報に基づく人間活動分析手法は優れた性能を達成し、行動クラス分類における3次元表現の有効性を証明しました。現在利用可能な深さ情報に基づくおよびRGB+Dに基づく行動認識ベンチマークには、訓練サンプルの不足、明確なクラスラベルの欠如、カメラ視点の限定、被験者の多様性不足などの制限があります。本論文では、40人の異なる被験者から収集した56,000以上のビデオサンプルと400万フレームを含む大規模なRGB+D人間行動認識データセットを紹介します。当該データセットには、日常生活動作、相互作用動作、健康関連動作など60種類の異なる行動クラスが含まれています。さらに、各身体部位の特徴量の長期的な時間相関をモデル化する新しい再帰型ニューラルネットワーク構造を提案し、それらを利用することでより良い行動分類を行うことを目指しています。実験結果は、提案されたクロスサブジェクトおよびクロスビュー評価基準において、深層学習手法が最先端の手作り特徴量に対して優位性を持つことを示しています。この大規模データセットの導入により、コミュニティは深さ情報に基づくおよびRGB+Dに基づく人間活動分析タスクに対して様々なデータ駆動型学習技術を適用、開発、適応することが可能になります。