行为识别是计算机视觉领域中一项广受关注且极具挑战的重要任务。其中,基于人体姿态序列的行为识别在近年来引起了广泛关注。与图像信息相比,人体姿态序列非常稀疏,其保留了场景中人物运动最主要的全局运动信息,剔除了图像中人物外形信息和与人体运动无关的背景信息,这使得基于人体姿态序列的行为识别方法的神经网络模型较为轻量,且占用较低的计算机运算资源。同时,因为人体姿态序列信息在一定程度上是一种脱敏的信息,不会涉及到视频中人物外形和场景的信息,因此在用户隐私方面,基于人体姿态序列的行为识别具有较好的安全性。然而,当前基于人体姿态序列的行为识别方法都有一个共同的缺陷,即输入稀疏的人体姿态关键点序列不足以完全表达人体运动。首先,人体姿态序列非常稀疏,其难以准确描述人物运动中各身体部位的局部细微运动。这一点使得当前一些基于人体姿态序列的行为识别方法,无法准确地识别出一些主要由局部细微运动所表示的行为类别。另外,当两种不同类别的行为的人体姿态非常相似的情况下,由于人体姿态序列所提供的判决性信息不足,基于人体姿态序列的识别模型很容易将它们混淆。针对上述基于人体姿态序列的行为识别方法的缺陷,本文提出一个新颖的基于多模态信息输入的行为识别方法,即基于关键点对齐的轻量化视觉信息挖掘的行为识别方法。具体地,在人体姿态序列输入的基础上,增加使用轻量的由关键点坐标定位的可视化信息,并使用双支路GCN网络综合使用上述两种不同信息。上述轻量的可视化信息,由以关键点对齐的局部块状光流图（Joint-Aligned Flow Patches,简称JFP）的形式表达,其能有效地表示人物运动过程中关键点对应部位的局部细微运动场。本文展示了在三个常用的大规模数据集（NTU RGB+D,NTU RGB+D 120和KineticsSkeleton）上所提出新方法的实验结果。与单模态输入的基于人体姿态序列的图卷积神经网络基线方法对比,本文提出的使用多模态信息输入的方法在行为识别效果上有明显提升,并且保持了模型轻量高效的优点。同时,与当前最新的基于人体姿态序列的其他方法（包括多模态信息输入的方法）比较,本文方法达到了目前最优的行为识别准确率。另外,本文还展示了大量详实的对比实验,用以深入剖析本文提出的新方法。