商品用深度センサーから得られる深度情報に基づく人間の行動認識は、重要である一方で大きな課題を抱えるタスクである。ノイズが多い深度マップ、行動シーケンスの長さの違い、および行動の実行スタイルの自由度の高さは、クラス内変動を大きく引き起こす要因となる。本研究では、スパースコーディングと時系列ピラミッドマッチング（Temporal Pyramid Matching: TPM）を組み合わせた新しいフレームワークを、深度情報に基づく人間の行動認識に提案する。特に、スパースコーディングに適した判別型クラス固有辞書学習アルゴリズムを提案する。グループスパース性と幾何制約を導入することにより、同一クラスに属するサブ辞書を用いて特徴量を良好に再構成可能となり、同時に特徴量間の幾何的関係も計算された係数に保持される。提案手法は、深度カメラで撮影された2つのベンチマークデータセット上で評価された。実験結果から、本手法は、従来の最先端手法と比較して繰り返し優れた性能を示すことが確認された。さらに、提案する辞書学習手法は、従来の代表的な辞書学習手法を上回る性能を発揮した。