La evaluación de calidad de acción (AQA) es un problema importante en las aplicaciones de visión por computadora. Durante la AQA humana, las diferencias en el tamaño del cuerpo o los cambios de posición con respecto al sensor pueden causar efectos no deseados. Proponemos un método de registro de movimiento basado en auto-coordinación (SC) y normalización auto-referencial (SRN). Al establecer un sistema de coordenadas en el cuerpo humano y utilizar una parte del cuerpo humano como referencia normalizada para procesar los datos crudos, se mejora la estandarización y la distinguibilidad de los datos crudos. Para demostrar la efectividad de nuestro método, realizamos experimentos en conjuntos de datos de KTH. Los resultados experimentales muestran que el método mejoró la precisión de clasificación de la red KNN-DTW para KTH-5 del 82.46% al 87.72% y para KTH-4 del 89.47% al 94.74%, y mejoró la precisión de clasificación de la red tsai-MiniRocket para KTH-5 del 91.29% al 93.86% y para KTH-4 del 94.74% al 97.90%. Los resultados muestran que nuestro método puede reducir los efectos mencionados y mejorar la precisión de clasificación de acción de la red de clasificación de acción. Este estudio proporciona un nuevo método e idea para mejorar la precisión de los algoritmos relacionados con AQA.