高齢化が進む社会において、介護の課題が増大しており、環境下支援生活（Ambient Assisted Living: AAL）は重要な研究テーマとなっている。コンピュータビジョンに基づく技術は、高齢者が自宅で日常的に行う行動をモニタリング可能であり、健康状態の把握や自立した生活の延長に貢献する。しかし、これらの技術の利点にもかかわらず、広範な導入はプライバシー懸念によって妨げられている。その主な原因は、ユーザーのデータをクラウドサーバーにストリーミングして計算処理を行う必要がある点であり、これによりユーザーのプライバシーが脅かされるリスクが生じる。本研究では、ユーザーのデータをクラウドに送信せずに、ローカルで高精度な行動認識を実現するプライバシー保護型手法を提案する。本論文の貢献は二つある。第一に、リアルタイム性能の課題に対応するための「時系列分離型グラフ深度分離畳み込みネットワーク（Temporal Decoupling Graph Depthwise Separable Convolution Network: TD-GDSCN）」の導入であり、第二に、実環境における条件変化に起因する精度低下を防ぐためのデータ拡張技術の開発である。実験結果から、TD-GDSCNとデータ拡張技術は、NTU-RGB+D 60およびNW-UCLAデータセットにおいて、既存手法と比較してリアルタイム性能および精度低下の抑制という点で優れた性能を示した。