Vấn đề thách thức trong nhận dạng hành động là sự khác biệt giữa góc nhìn trong tập dữ liệu huấn luyện và kiểm thử. Các phương pháp gần đây giải quyết thách thức này dựa trên cách tiếp cận chuyển đổi tri thức. Tuy nhiên, cách tiếp cận này đòi hỏi sự chia sẻ thông tin ở tất cả các góc nhìn. Khác với cách tiếp cận trên, chúng tôi giải quyết thách thức này thông qua khai thác sự phân biệt trong biểu diễn hành động dưới các góc nhìn khác nhau. Chúng tôi đề xuất khai thác các góc nhìn ảo dựa vào các phép chiếu trên dữ liệu chiều sâu để gia tăng thông tin có ích cho việc phân biệt hành động, thay vì chỉ dựa vào một góc nhìn ban đầu. Trong cách tiếp cận này, các đặc trưng và các bộ phân lớp tương ứng với mỗi góc nhìn ảo sẽ được xây dựng. Chúng tôi tiến hành các thí nghiệm trên tập dữ liệu Northwestern-UCLA Multiview Action 3D (N-UCLA3D). Các kết quả đã chỉ ra rằng phương pháp của chúng tôi cho độ chính xác cao hơn các phương pháp gần đây.