平等和公正是社会主义核心价值观的重要组成部分,防范和杜绝考试作弊行为则是维护教育、就业公平的重要举措。近年来,通过完善考场管理制度,提高监考队伍业务能力,增加考场视频监控覆盖等措施,与考试相关的教育和就业公平得到改善。但是在诸如全国研究生统一入学考试中,监考员需在近4个小时内保持注意力高度集中,既要防止考生作弊,又要时刻关注考生的生理和心理状态,监考员工作负荷大、心理压力高,并且考试结束后还需组织大量人力逐一复查考场监控视频,效率极其低下。随着计算机视觉和人工智能技术的发展,使得通过视频分析,自动监测考场动态,识别考场异常行为成为了可能。本文从考生个体出发,研究基于人体姿态序列的动作识别方法,设计实现一款智能视频监考系统。该系统能够感知和识别常见考生作弊行为、异常动作和状态,及时反馈给监考员和考场管理人员,并对作弊行为进行取证和记录。既利于保障考场秩序和维护考试公平,利于及时发现和救治突发疾病的考生,又可以缓解监考员的工作负荷和心理压力,提高考场管理质量和效率。本文内容主要包括以下三个方面:（1）提出基于运动信息的时空自适应图卷积动作识别方法。随着人体姿态估计技术的发展和成熟,结合人体骨骼和图卷积网络成为人体动作识别的重要研究方向。此类方法将人体骨骼表示成图的结构,可以充分表达节点之间的自然连接关系。但图卷积网络通常难以通过端到端学习来识别和充分利用动作序列中的关键帧和关键节点的特征。为缓解该问题,本文捕捉帧间和帧内的运动信息,根据运动强烈程度在时空两个维度自适应增强关键帧和关键节点在图卷积过程中的作用。实验结果表明该方法简单有效。（2）提出基于时空自适应高分辨率图卷积网络动作识别方法。常见的人体姿态估计结果仅包含18个关键点,与之相应的图卷积层节点数少,难以充分学习动作特征。为此,本文提出2种构建虚拟关键点从而提高人体骨骼分辨率的方案。另外,本文提出在时空图卷积层和全局平均池化层之间增加一个全连接图卷积层,在不显著增加计算复杂度的情况下能够利用远距离关键点间的相关性信息进行动作识别。结合时空自适应图卷积,本文最终设计了一种新的基于时空自适应高分辨率图卷积网络。在NTU-RGB+D和Kinetic-Skeleton数据集上的实验结果表明,所提网络动作识别准确率优于现有方法。（3）智能视频监考辅助系统的设计与实现。利用所提动作识别方法,以及成熟的人体检测和姿态估计方法,本文设计和实现一套智能视频监考辅助系统。该系统能够感知和识别常见考生作弊行为、异常动作和状态,及时反馈给监考员和考场管理人员,并对作弊行为进行取证记录。本文使用Python3.6语言、Py Qt5工具包和Pytorch1.0在Ubuntu16.04操作系统上完成开发。系统运行流畅,界面简洁友好,具有一定应用价值。