随着计算机视觉领域的快速发展,许多研究人员的关注焦点聚集于人体动作识别方向。该研究方向多运用视频分析的方法对人体动作进行识别,然而人体动作间灵活性高、差异性小,运用视频分析对人体动作类别进行准确识别仍面临诸多困难。随着视频获取设备的日益成熟,运动中的人体骨架信息越来越易于获取,且人体骨架信息对于光照、场地、遮挡等问题均具有一定的鲁棒性,因此基于视频的人体动作识别逐渐转为基于骨架的人体动作识别。人体骨架三维空间坐标数据记录了人在生活、工作、娱乐等各种情形下的活动,对其进行动作识别研究将极大地推动人类科技文明的发展,方便人们的社会生活,并被应用于智能看护、安防监控、体育健身和社交平台内容审核等多个方面。基于骨架的人体动作识别主要研究如何对人体骨架信息进行建模,从中提取有效的时间信息和空间信息,进而达到对人体动作进行识别目的。本文以基于人体骨架信息的人体动作识别为研究内容,完成了以下研究工作:（1）提出了基于Skele Motion-ResNeXt（SM-RNXt）网络的人体动作识别算法。首先对每个动作的人体骨架进行动作结构建模,根据动作结构对动作大小和方向特征进行计算,最后将两者进行融合得到具有时空信息的Skele Motion骨骼图像。然后将其输入到ResNeXt-50网络提取时空特征,达到对基于人体骨架动作进行识别和分类的目的。（2）在SM-RNXt网络的基础之上合并图卷积提出了基于双流网络ResNeXt-GCN（RNXt-GCN）的人体动作识别算法。人体的骨架由25个主要的关节点及它们之间的边构成,特别适合用时空图卷积（spatio-temporal graph convolution network,ST-GCN）进行分类和识别。但ST-GCN网络所构建时空图的只能学习到同一关节不同帧之间单一的时间信息,不能有效地学习相似动作间的时间信息。而Skele Motion骨骼图像通过对人体骨架信息的多尺度的建模,能有效地学习相似动作间的时间信息,从而弥补ST-GCN的这一缺点。该网络将二者所提取的时空特征进行融合,得到最终人体动作识别与分类结果。将该网络分别在UTD-MHAD数据集、Northwestern-UCLA数据集和NTU RGB+D数据集上进行实验。在UTD-MHAD数据集和Northwestern-UCLA数据集上,RNXt-GCN网络得到了比基线网络更好的结果;在NTU RGB+D数据集上,RNXt-GCN网络实验结果均得到了有竞争力的结果。（3）提出基于Skele Motion Reference Joints Image-ResNeXt（SMRJI-RNXt）网络的人体动作识别算法。Tree Structure Reference Joints Image（TSRJI）骨骼图像通过运用参考关节、深度优先树遍历两种技术对人体骨架信息进行建模,有效地提取人体骨架中的空间信息,将其输入至ResNeXt-50网络进行特征提取,提取所得的时空特征和Skele Motion骨骼图像提取的时空特征进行融合,在NTU RGB+D 60数据集和NTU RGB+D 120数据集上进行了进一步的实验,动作识别精度均高于SM-RNXt网络,证明了TSRJI骨骼图像所提取的动作特征对Skele Motion骨骼图像提取的骨骼特征有一定的补充。为进一步证明该网络的有效性,本文将其与ST-GCN网络进行融合,其动作识别精度在NTU RGB+D 60和NTU RGB+D 120两个数据集上得到了进一步的提高,其均高于RNXt-GCN网络,由此证明SMRJI-RNXt网络能为动作识别提供更有效的时空特征。