Las fábricas inteligentes tienen demandas en tiempo real de estadísticas de productividad para satisfacer las necesidades de capacidades de reacción rápida. Para resolver este problema, se propuso un método de conteo basado en nuestra estrategia de descomposición de acciones para acciones complejas. Nuestro método necesita descomponer acciones complejas en varias acciones esenciales y definir una cadena de etiquetas para cada acción compleja de acuerdo con la secuencia de las acciones esenciales. Al contar, primero empleamos un algoritmo de reconocimiento de acciones en línea para transformar los fotogramas de video en números de etiqueta, que se almacenarán en una cola de resultados. Luego, se buscan las cadenas de etiquetas para sus resultados en la cola. Si la búsqueda tiene éxito, se considerará que ha ocurrido una acción compleja. Mientras tanto, el contador correspondiente debe actualizarse para completar el conteo. Los resultados de la prueba de comparación en un conjunto de datos de video de los movimientos repetitivos de los trabajadores en las líneas de producción de impresión de paquetes ilustran que nuestro método tiene un menor margen de error en el conteo, con un MAE (error absoluto medio) inferior al 5% y un OBOA (precisión de uno fuera) superior al 90%. Además, para mejorar la adaptabilidad del modelo de reconocimiento de acciones para lidiar con el cambio en la duración de las acciones, proponemos un módulo de parámetros adaptativos basado en el filtro de Kalman, que mejora el rendimiento del conteo hasta cierto punto. Las conclusiones son que nuestro método puede lograr un alto rendimiento en el conteo, y el módulo de parámetros adaptativos puede mejorar aún más el rendimiento.