近年来,视频成为了各大媒体的主流数据,基于视频数据的研究成为了当下的热点。动作识别针对的是人体运动相关的视频,是目前人工智能领域中比较前沿的研究方向。动作识别已广泛应用于诸多领域,如步态分析、增强现实、人机交互、娱乐和游戏、体育科学等,因此具有巨大的研究意义和研究潜力。本文面向动作识别领域中的多粒度分类问题进行研究,当前相关算法已经取得了重大突破,然而仍存在一些待解决的问题。首先,现有方法中的自注意力机制大多只关注同一帧节点的空间连接信息,时间上的信息只通过时域卷积进行传播,这样做会丢失时空层面上的高等级特征。其次,现有的方法大多只针对粗粒度数据,针对细粒度分类问题的解决办法较少。最后,现有方案大多完全通过深度模型提取样本的特征,缺乏对先验知识的引入和借鉴。针对这些问题,本文对已有方案进行了分析和改进,面向多粒度分类任务提出了三个方法。本文所提出的方法在三个数据集上均获得了更好的性能。本文的主要贡献如下:（1）本文面向粗粒度分类任务提出了一种时空联合注意力机制,该注意力机制既能捕获时空整体信息对当前节点的影响,又能兼顾空间中不同节点间的邻接关系。本文基于时空联合注意力提出了多注意力联合图卷积神经网络,该模型在花样滑冰数据集（FSD-10）和情感运动数据集（video-emotion）上的性能超越了当前的主流方法,在人体行为识别数据集（NTU RGB+D 60）上的性能与最新方法持平。（2）本文面向细粒度分类任务提出了一种基于位置关系的损失函数,并将其命名为角弦损失函数（AL Loss）。AL Loss通过改善特征在向量空间中的分布,使得不同类别间的分类边界更加清晰。本文将AL Loss应用于时空图卷积神经网络和本文提出的多注意力联合图卷积神经网络上,在三个数据集上均提高了原有模型的性能。（3）本文针对细粒度分类任务提出了一种手工运动特征。该特征是对压缩了时域上下文信息的图像提取的区域一致性特征。区域一致性特征有助于局部范围内运动信息的提取,将其作为一种先验知识与深度特征结合,能够增强深度特征的性能,在其原有精度的基础上得到进一步的提升。