人体行为可以应用在室内视频监控、病人监护系统、人机交互、虚拟现实、智能家居控制、智能安防系统、运动员辅助训练等很多领域。在一段含有人体动作的视频中,人体骨架是动作信息的主要承载者。相比于一段视频帧序列,用骨架记录运动数据具有存储空间小、不受光照及对比度影响的优点,因此基于骨架的视频行为识别任务受到了研究者的广泛关注。在一张骨架图中,每个关节点可以视作图结构的顶点,关节点间的骨架可以视作图结构中顶点之间的边。近些年来,在针对图结构的算法中,图卷积网络表现出了杰出的性能。对于一段从视频中提取出的骨架数据,图卷积网络可以同时捕获骨架数据中所有关节点的时空依赖性,对特征进行全局性地汇聚。此外,视频帧之间每个关节的特征向量随着时间变化,因此可以通过对时间维增加卷积操作来再一次汇总各节点的状态值。最后为了增加模型的鲁棒性,不同层之间加入了图注意网络,最终形成时空图注意卷积网络ST-ChebANet。根据上述描述,本论文做了以下三点工作。第一点,利用切比雪夫卷积网络对视频中的人体骨架图进行时空特征提取。为了便于区分相邻节点的特征,首先通过划分离心运动、向心运动对每一个关节点的邻节点进行了区分,即对骨架图中的邻接矩阵进行子图划分。其次采用了一种更加稳定的对称归一化的方式对邻接矩阵做了变换,并得到不同邻接矩阵对应的拉普拉斯矩阵。为了能够对不同距离的邻居节点加以区分,同时获得节点间的非欧相关性,设计了基于切比雪夫卷积的Spatiotemporal-ChebNet对输入的骨架图的时间、节点维度进行特征提取,最后将特征汇聚送入全卷积网络得到视频的预测。第二点,为了有效提取骨架关节点在时间维度上特征向量的变化,本文构建了一种时间卷积模块,并将其与时空切比雪夫卷积级联,引入残差连接来避免由于网络过深导致的过拟合或梯度消失,获得基于视频骨架序列的时空图卷积网络STChebNet。第三点,对邻接矩阵进行子图划分会导致训练与测试的过程中出现图结构不匹配的现象。针对这个问题,本文设计了一种图注意网络。它基于自注意力机制,能够对时空图卷积网络的输出特征进行重新的汇聚,使层间的图特征不再依赖于特定的图结构,让训练数据集与测试数据集有效地匹配。图注意网络与时空图卷积模块进行结合可以得到最终的检测模型ST-ChebANet,自注意力机制的引入有效地提升整个时空图卷积网络在视频骨架行为识别数据集上的识别准确度。上述的三个工作点中,对提出的Spatiotemporal-ChebNet、ST-ChebNet、ST-ChebANet在NTURGB+D数据集上通过X-Sub、X-View两种方式进行了评估,同时也在Kinet ics数据集经过openpose处理得到的骨架数据上进行了验证,模型与现有算法相比在准确度上有所提升,实验结果证明了模型的合理性。