动作识别任务拥有着很长的历史,近年来随着深度学习的发展,更是取得了长足的进步。但以往的动作识别任务都是基于RGB数据的,只是最近以微软的Kinect camera为代表的深度传感器的逐渐普及,才出现了基于骨骼点的动作识别方法。3D骨骼点数据相较于RGB数据而言,排除了人体形态、所穿衣着和光照等冗余信息,却纯粹保留了“人体动作”本身的关键信息,这使得基于骨骼点的动作识别任务吸引了越来越多研究者的注意,也诞生了不少的文献方案。尽管如此,基于骨骼点的动作识别仍然存在着一些棘手的问题会对分类结果产生影响,例如:人体尺寸不同、观测视角不同和噪音问题等。针对这些问题,本文进行了如下工作:（1）针对长久存在的从人体关键节点的3D坐标信息中难以提取出有效特征的问题,本文通过统一坐标转换和尺度重定位的操作消除了骨骼点数据中角度不同和尺寸差异对特征提取结果的影响,从而提取出高效的表示特征。（2）本文提出了一种新颖的双层生长格网络架构,该架构对于数据建模具有更好的灵活性和适应性,通过与理论上相近的自组织映射方法进行对比实验,验证了其有效性和高效性。并且该模型架构的主体部分为无监督学习,更加适合在现实场景中应用。（3）针对骨骼点数据中存在的噪音问题,本文提出了一种基于生成网络的特征提取方法。该方法针对骨骼点序列数据具有较强时序依赖性的特点,改进了变分自编码器在循环神经网络中的实现,利用改进后的生成网络去提取骨骼点序列数据中的潜变量特征,经过实验验证,该特征具有更强的语义特征,提升了分类的准确率,并且在数据具有噪音甚至是帧丢失的情况下,展现出了更强的鲁棒性。（4）针对近期表现比较突出的图卷积类的方法,本文也探究了生成网络与图卷积类方法的结合方案。在图卷积类方法中将骨骼点数据看成是图数据结构,本文利用了图生成网络Graph VAE的基本思路,从骨骼点帧数据所构成的图中去提取潜变量特征,并将提取出的特征和图卷积类方法所提取的特征进行融合。通过选取具有代表性的ST-GCN和Js-AGCN两个模型进行了对比实验,验证了本文所提特征融合方案的有效性。融合后的特征不仅能够提高基线模型的性能,还增强了其鲁棒性。