随着社会信息化水平的持续提升,人体动作识别技术在智能安防、人机交互以及体育分析等领域得到了广泛的应用,对于预防安全事故和维护社会稳定具有重要作用。其中,基于图卷积网络的骨架动作识别方法因其强大的时空特征提取能力以及人体骨架数据对动作的强表达力,成为了动作识别领域的主流方法。然而在实际应用中,动作识别往往因为人体运动的复杂性和多变性而难以完全达到具体场景的应用要求,要精确地分辨人体动作类别仍存在很大的挑战性。本文围绕着现存的人体动作识别技术中存在的一些问题,在时空图卷积网络（Spatial Temporal Graph Convolutional Networks,ST-GCN）的基础上改进其网络结构并引入目标检测机制,具体研究内容分为以下三个部分:（1）针对ST-GCN网络忽视人体非物理连接关节点间的关联性以及未能充分利用人体高阶骨架信息的问题,本文改进了空间图卷积层的计算模型,通过多项式拓展关节点的邻域,以扩大图卷积的感受野,聚集更多的特征信息。与此同时,根据关节点的坐标,拓展出骨骼信息及关节点时间差信息,并进一步拓展出骨骼时间差信息。将这些骨架高阶信息分别输入到网络中,通过多流结构融合的方法进行动作识别。在KTH数据集和Kinetics数据集上的实验表明,与ST-GCN相比,本文提出的多流信息增强图卷积网络模型动作识别精度显著提高。（2）针对基于图卷积网络的人体动作识别方法仅使用人体骨架数据,丢失物体语义信息,造成无法有效区分骨架姿态相似动作（如打手机和摸头）的问题,本文在人体动作识别任务中引入目标检测机制。改进YOLOv5损失函数,并将其用于提取图像中的物体语义信息。研究结果表明,改进后的YOLOv5网络对于手机的小目标识别具有良好的检测效果,可满足动作识别任务中对物体语义信息获取的实时性和准确性要求。（3）在上述研究的基础上,本文进一步提出了一种基于图卷积网络和目标检测的打手机动作识别方法。首先,采用OpenPose算法提取骨架的关节点坐标值并对缺失值进行填充,并使用多流图卷积网络识别人员的初始动作类别;其次,使用改进后YOLOv5网络对手机物体进行目标检测;然后,判断人与手机的交互关系;最后,通过决策融合输出动作识别结果。构建打手机动作数据集对所提方法进行验证,研究结果表明,与仅基于图卷积网络的动作识别方法相比,本文所提策略可以对骨架姿态相似的动作进行有效区分,大幅度提升打手机此类人物交互动作的识别准确率。