阿尔茨海默氏病是当今许多人中最常见的痴呆类型。痴呆症患者会健忘或记忆力减退,这可能会影响他们的日常活动。祈祷是穆斯林每天必须做五次的重要活动。然而,对于那些在祷告中面临健忘问题的人来说可能是困难的。这通常是由于缺乏专心,重叠和多个并发想法而发生的。我们将此与阿尔茨海默氏病的早期阶段相关联。内置基于传感器的应用程序的智能手机设备的进步使我们能够以充满满足感和信心的方式帮助人们进行日常活动。穆斯林人口约为19亿,占世界人口的24.4%。他们进行特定种类的宗教活动(祈祷),每个祈祷(萨拉特)由不同数量的重复单元(步骤)组成,称为“Rakats”(处方运动和特定运动)。由于注意力不集中,人们意外地错过了祈祷单元(Rakat)。这导致祈祷活动不完整。为了解决这个问题,可以构建智能手机活动识别自动监控应用程序,以支持老年痴呆症患者的身体活动来指导信徒。在我们的工作中,提出了一种基于智能手机传感器的深度学习模型来识别祈祷活动(Qayam,Ruku和Sujud)。在这种情况下,我们提出了一种完整的方法,包括数据预处理,数据分割,深度特征提取和CNN分类。我们使用卷积神经网络(CNN)来提取深层特征,这些深层特征依赖于任务而不是手工制作的。分析了四个身体部位的结果。因为我们的数据集是不平衡的,所以我们在不平衡的数据集上观察到较低的结果。为了解决这个问题,使用了三种最新的平衡技术来制作数据集。获得平衡的数据集后,我们观察到模型性能的高度改善。使用基于SMOTe技术的平衡数据集可获得最佳结果。根据不同身体位置的平衡和不平衡数据集报告结果。在不平衡数据集上,左手位置,右手位置和左裤子口袋的平均精度。右裤兜分别为67.6%,65%,65.6%和66%。另一方面,左手位置,右手位置和左裤兜的平均准确度。余额数据集上正确的裤子口袋分别为93%,90%,91.6%和91%。