Este trabajo está enfocado en el reconocimiento de acciones humanas en videos. Para ello, se reconoce la existencia de agentes visuales que caracterizan una acción, tales como las personas y los objetos, y su dinámica temporal a lo largo del video. Esta tesis presenta un nuevo algoritmo que captura la naturaleza dinámica de las interacciones entre humanos y objetos modelando su evolución en el transcurir de la acción. A partir de esta descripción de las interacciones, se demuestra como clasificar acciones muy similares basados en el contexto y la dinámica de las interacciones. Los resultados de los algoritmos y representaciones visuales propuestos se validaron experimentalmente en dos conjuntos de videos públicos. Estas metodologías presentaron un desempeño competitivo en relación con las propuestas que ostentan el estado del arte, demostrando la ventaja de la representación dinámica de las interacciones entre humanos y objetos para la descripción de las acciones humanas.