La tecnología para el reconocimiento de actividades humanas tiene diversas aplicaciones dentro del espectro del Internet de las Cosas, incluyendo la detección médica, medidas de seguridad, sistemas domésticos inteligentes y más. Predominantemente, los métodos de reconocimiento de actividades humanas han dependido de sensores de contacto, y algunas investigaciones utilizan sensores inerciales integrados en teléfonos inteligentes u otros dispositivos, lo que presenta varias limitaciones. Además, la mayoría de las investigaciones se han concentrado en reconocer actividades discretas, aunque las actividades en escenarios de la vida real tienden a ser continuas. En este documento, presentamos un método para clasificar actividades humanas continuas, como caminar, correr, hacer sentadillas, estar de pie y saltar. Nuestro enfoque se basa en las características de micro-Doppler (MD) derivadas de las señales de radar de onda continua. Primero procesamos las señales de eco de radar generadas a partir de las actividades humanas para producir espectrogramas de MD. Posteriormente, se emplea una red de unidad recurrente bidireccional (Bi-GRU) para entrenar y probar estas características extraídas. Los resultados preliminares destacan la eficacia de nuestro enfoque, con una precisión de reconocimiento promedio que supera el 90%.