人体骨架行为识别是在人体骨架序列数据中识别出人的行为,基于手工特征的行为识别模型计算骨架关节点的统计学信息,忽略骨关节间相关性,现有深度学习模型同等对待行为序列中的每个骨架数据帧,不能给予骨架数据帧不同的关注度。此外,目前相关研究中采用的深度学习技术（如卷积操作）无法建模骨架数据时空维度长距离相关性,存在特征挖掘不充分问题。为了解决上述问题,基于图神经网络（GNN）和注意力机制提出两个人体骨架行为识别的模型。首先,针对骨关节点间相关性建模不足和未能给予骨架数据帧不同关注度的问题,提出融合空间推理和上下文感知注意力的识别模型:SRCA。模型采用GNN建模骨架中关节点间相关性进行空间结构推理,获得骨架空间结构特征。同时采用上下文感知注意力通过骨架数据行为上下文特征和时序特征对给予骨架数据中不同的关注度。模型解决骨关节点间相关性建模不足的问题,以及对骨架数据帧不同关注度的问题。然后,针对骨架数据中时空维度长距离相关性建模不足的问题,提出基于多重注意力机制的人体骨架行为识别模型:HAN。该模型采用空间自注意力对骨架数据中骨关节间的长距离相关性进行建模学习,获得骨架的结构特征,然后通过时序自注意力模块对数据帧与帧之间的长距离相关性进行建模学习获得时序特征,最后采用上下文感知注意给予时序特征不同的关注度。模型可以建模骨架行为中的时空维度的不同距离相关性,解决相关性建模不足的问题,提高骨架行为识别的准确率。最后,将提出的SRCA和HAN两种人体骨架行为识别模型在真实数据集上进行实验和分析,验证提出模型的有效性。