中国戏曲历史悠久,剧种种类繁多,是中华民族传统文化的重要组成部分,也是中华文明不可再生的重要精神与非物质财富。比较流行著名的剧种有:京剧、豫剧、秦腔等。秦腔作为其中一种,起源于陕西、甘肃一带的古代民间歌舞,由于受到地域等因素的限制,并且随着时间的推移,更多的人特别是青年一代不再对秦腔这种传统民俗演出感兴趣。为了传承和保护秦腔这类戏曲文化,可通过将现代技术与秦腔表演艺术融合,如虚拟现实技术等,来实现秦腔表演形式的多元化。秦腔表演中人物的动作特征复杂,如何能使计算机准确识别是急需解决的问题。由于人体骨架具有鲁棒性和不受背景噪声影响等特点,很多研究者将其与图卷积神经网络结合进行动作识别。对骨架数据来说,提取它的时空特征是一个很大的挑战,而且现有方法也容易忽略通道这一维度。另外,这些方法只局限于连接帧间同一关节对应的顶点,使得提取每个节点在帧间的运动特征过于简单,并且仅利用骨架关节点这类一阶信息,对骨骼这种能更好表达动作特征的信息利用较少。针对以上不足,本文基于时空图卷积神经网络（Spatial Temporal Graph Convolutional Networks,ST-GCN）,最终提出了多流的拓展时空图注意力模型来提高秦腔人物动作识别率,具体内容如下:（1）针对时空特征提取困难的问题,本文提出了时空图卷积网络结合注意力机制的模型,该模型引入多头图注意力和通道注意力机制。图注意力机制可以得到不同邻居节点对中心节点的各自注意力系数,帮助模型学习结构信息,同时通道注意力机制可以让模型关注重要的通道特征,将两种机制相结合提升特征提取。模型在NTURGB+D数据集上X-Sub和X-View相比基准分别提升了2.7%和3.6%。在Kinetics数据集上top-1和top-5准确率相比基准分别提高3.1%和2.9%。并且,所提模型在自制的秦腔数据集上进行实验对比,六类动作“吐火”、“茶嘴壶式”、“弓箭式”、“顶灯”、“上马式”和“坐马式”的识别精度都高于ST-GCN。（2）针对现有方法无法提取帧间同一关节点与其邻居节点信息,并且对于二阶信息（如骨骼等）利用较少的问题,本文提出了一种基于多流的拓展时空图注意力网络模型,该模型首先引入时间扩展模块为帧间多个相邻关节对应的顶点添加边来扩大时间维度采样区域,然后使用多流网络框架集成关节点、骨骼以及它们各自运动信息来提升模型性能。模型在NTU-RGB+D数据集上X-Sub和X-View相比基准分别提高5.3%和5.6%,在Kinetics数据集上top-1和top-5的准确率相比基准分别提高4.8%和4.6%。同时,在自制秦腔数据集上,“吐火”、“茶嘴壶式”、“弓箭式”和“上马式”这四种动作的准确率都在90%以上,“顶灯”和“坐马式”这两类动作识别率也都接近90%。（3）设计并实现秦腔戏曲人物动作识别系统,系统可以实现戏曲人物数据预处理、Open Pose提取关键点和动作分类,实现将算法与实际应用结合。