人体行为识别是计算机视觉领域一个重要且具有挑战性的问题,为人机交互、视频监控、安全驾驶等领域提供了技术支持。基于人体骨架的行为识别因其对背景、光照、视角变化具有较强的鲁棒性,更丰富的信息和更低的计算成本而获得越来越多的关注。传统基于人体骨架的行为识别方法更关注于对骨架序列进行编码,而忽略了骨架数据之间拓扑关系。图卷积神经网络的优势在于能够使用邻接矩阵模拟非欧几里得数据之间的拓扑关系,已经成为基于人体骨架行为识别的研究热点。本文基于图卷积神经网络在模拟非欧几里得数据上优越性,对基于人体骨架的行为识别展开研究,并针对现有基于图卷积神经网络的方法存在的问题进行改进。本课题共提出两种改进方案,并基于此设计出基于人体骨架的行为识别系统,主要工作如下:（1）针对骨架行为识别对时空特征提取不充分以及难以捕捉关节的全局依赖关系的问题,研究了一种将时空注意力机制和自适应图卷积网络相结合的人体骨架行为识别方案。首先,构建基于非局部操作的时空注意力模块,辅助模型关注骨架序列中最具判别性的帧和区域;其次,利用高斯嵌入函数和轻量级卷积神经网络的特征学习能力,并考虑人体先验知识在不同时期的影响,构建自适应图卷积网络;最后,将自适应图卷积网络作为基本框架,并嵌入时空注意力模块,与关节信息、骨骼信息以及各自的运动信息构建双流融合模型。（2）针对人体骨架行为识别方法如何融合时空信息的问题,以加强模型对时空信息的提取能力为出发点,研究出两种侧重点不同的时空信息提取方案:移位图卷积网络和残差图卷积网络。首先,介绍了移位卷积网络的工作原理;其次,基于在时间维度的移位操作能够实现信息在时间维度交互的特性,将移位操作代替时间卷积,实现移位卷积网络与时空图卷积网络的结合,构建出更加轻量级的移位图卷积网络;最后,将移位图卷积网络作为残差网络的一个分支,并嵌入时空图卷积神经网络中,构建残差图卷积网络,侧重于在不损失原有时空信息的前提下进一步增强网络对时空信息的提取能力。（3）为了将人体骨架行为识别算法应用到实际场景,设计并实现了一套小型的行为识别系统。首先,根据对系统需求的分析,使用摄像头采集和视频上传两种数据采集方案;其次,利用Open Pose人体姿态估计技术实现视频序列到骨架序列的转换,并将行为识别算法进行封装,实现行为的预测;再次,搭建用户管理系统记录用户信息和视频信息,进一步增强用户的体验感;最后,将行为识别的中间过程和最终预测结果进行了可视化,并结合Flask框架将可视化结构部署到网页上,完成整个系统的搭建。