随着现代信息技术的发展,视频增长非常迅速,现已成为当今主流媒体之一。视频内容的理解成为了现阶段计算机视觉领域的研究热点。动作识别发展从传统的手工提取特征到如今利用图卷积网络模型,用于研究的方法越来越高效,模型越来越自动,所取得的效果也越来越显著。大部分提出的模型为在固有的数据集中获得较好的视频表示,可模式化视频中的空间静态和时间动态信息。但由于人体动作识别使用三维运动信息,在获取时空信息和在真实视频中快速准确的识别人的动作仍存在很多问题。为解决这些问题,本文从人体骨架、图像卷积特征、视频时空卷积几方面进行研究,利用图卷积进行动作识别。本文的主要工作如下:（1）为了增加更具特征性的骨架运动信息获取的准确率,提出了一个注意力增强有向图卷积网络（Attention Enhanced Direct Graph Convolutional Network,ADGCN）。由于在日常生活中对于骨架动作识别的应用通常是将骨骼和关节信息作为输入数据,并对输入数据统一进行特征提取,这种方式获取的输入数据没有考虑到关节与骨骼之间的运动信息以及动作视频中的关键动作或关节。因此本文提出的ADGCN模型首先采用一个四流框架,将关节信息、骨骼信息、关节运动信息和骨骼运动信息这四种信息输入到四流框架中。然后将输入的数据传送到有向图卷积网络模型中提取关节和骨骼之间的依赖关系,再利用提出的时空通道注意力网络,增强每个视频的关键帧或每一帧中的关键关节的时间、空间以及通道的信息。模型在NTU-RGB+D和Kinetics-Skeleton数据集上进行训练、验证和测试,并在NTU-RGB+D数据集上进行消融实验,结果表明,提出的ADGCN模型相比于已有的模型具备一定的优势。（2）为使骨架模型能识别出特征提取的时空信息,提出一个中心差分转换器图卷积网络（Central Difference Transformer Graph Network,CDTG）。由于大部分骨架动作识别模型都聚焦节点信息,并获取局部的时空依赖关系,这种方法获取的信息没有意识到节点间梯度信息和全局时空上下文对动作识别的重要性。而本文提出的CDTG模型首先将关节和骨骼的运动信息输入到模型中,经过处理后将数据传送到本文网络中进行聚焦节点和节点间的梯度信息,增加网络的表示能力和泛化能力,随后利用提出的时空转换器图卷积,提取出中心差分网络中的时空特征,和被关节标记的空间和时间依赖关系。最后将CDTG模型运用到NTU-RGB+D和Kinetics-Skeleton数据集上,结果证明,与其他已有模型对比,CDTG模型具有更好的识别性能。