Στο σώμα μας υπάρχουν οι αρθρώσεις οι οποίες μας υποβοηθούν να εκτελούμε τις κινήσεις που επιθυμούμε. Στην αρχή απλές αλλά όταν συνδυαστούν μπορούν να γίνουν και αρκετά σύνθετες καμιά φορά. Λόγω της φύσης αυτής του ανθρώπινου σώματος και των πολύπλοκων κινήσεων που εκτελούμε καθίσταται πολύπλοκη η αναγνώριση αυτών των ενεργειών από τα διάφορα τεχνολογικά εργαλεία που διαθέτουμε σήμερα. Είναι σημαντικό λοιπόν να υπάρχουν τα απαραίτητα εργαλεία και εφόδια αλλά και οι κατάλληλες εφαρμογές στον τομέα της αναγνώρισης ανθρώπινων ενεργειών ώστε να επιταχύνουν και να διευκολύνουν την ανίχνευση της ανθρώπινης δραστηριότητας με υψηλή ακρίβεια. Επιπλέον, η ανίχνευση της ανθρώπινης δραστηριότητας είναι επίσης απαραίτητη για την αυτοματοποίηση συστημάτων για την παρακολούθηση του περιβάλλοντος και την ανίχνευση ύποπτης δραστηριότητας κατά την εκτέλεση παρακολούθησης. Εκτός αυτού, ένα επιπλέον όφελος της αναγνώρισης ανθρώπινων ενεργειών είναι και η παροχή κατάλληλων πληροφοριών για τα άτομα. Εφόσον αυτός ο τομέας λοιπόν έχει ένα ευρύ φάσμα εφαρμογών τόσο στην υγεία, στον αθλητισμό, όσο και εντός του ιδιωτικού μας χώρου με την δημιουργία του έξυπνου σπιτιού και άλλους διαφορετικούς τομείς συμπεραίνουμε ότι είναι ένας συνεχώς εξελισσόμενος και απαιτητικός τομέας της επιστήμης των υπολογιστών. Σήμερα, η αναγνώριση των ανθρώπινων δραστηριοτήτων πραγματοποιείται με την χρήση της υπολογιστικής όρασης και των αισθητήρων σε συνδυασμό με την μηχανική μάθηση και διαφόρους τύπους δικτύων. Στην παρουσα εργασία εξετάζονται το γενικότερο πλαίσιο, οι βασικές αρχές αλλά και έννοιες που απαιτούνται ώστε να εισάγουν τον αναγνώστη ομαλά στο αντκέιμενο της ανγνώρισης ανθρώπινων ενεργειών. Τέλος, στο δεύτερο μέρος πραγματοποιείται μια μελέτη αξιολόγισης των αλγορίθμων που χρησιμοποιούνται στα πλαίσια της μηχανικής μάθησης στην αναγνώριση ανθρώπινων ενεργειών ώστε να εξεταστούν οι αποδόσεις τους.

In our body, there are joints that assist us in performing the movements we desire. Initially simple, but when combined, they can sometimes become quite complex. Due to the nature of the human body and the complex movements we perform, it becomes challenging for the technological tools we have today to recognize these actions. Therefore, it is important to have the necessary tools, resources, and appropriate applications in the field of human activity recognition to accelerate and facilitate the detection of human activity with high accuracy. Additionally, human activity recognition is essential for the automation of systems that monitor environments and detect suspicious activity during surveillance. Moreover, an additional benefit of human action recognition is the provision of relevant information for individuals. Since this field has a wide range of applications in health, sports, and even within our private spaces with the creation of smart homes and other different areas, we conclude that it is a continuously evolving and demanding field of computer science. Today, human activity recognition is achieved through the use of computer vision and sensors combined with machine learning and various types of networks. In this paper, we examine the general framework, the fundamental principles, and the concepts required to smoothly introduce the reader to the subject of human action recognition. Finally, in the second part, an evaluation study of the algorithms used within the framework of machine learning for human activity recognition is conducted to examine their performance.