基于人体骨架序列的动作识别是人工智能应用范畴中一个热门且非常具备应用性的研究问题。目前,该问题在视频监管、体感游戏、病人监护、无人安防、人机互动、机器作业等领域有着大量的应用。随着人体骨架数据获取设备及动作捕获传感器的发展,传感器可以有效地获得动态人体骨架序列。因此,迫切须要设计一个能够充分且合理利用人体骨架序列的动作识别算法。人体骨架序列充分表示了人体信息的时空特征表示,但初始的人体骨架序列往往存在着骨架倾斜、关节点丢失、空白帧等问题,先前的工作均未能对这些问题进行合理的预处理。骨架序列的时间或空间维度包含着丰富的人体信息,如何设计一个具备更高识别准确率的人体动作识别算法模型使其能够充分利用人体骨架的时空特征信息是本文研究的一个核心问题。此外,一类人体动作的执行常常仅须要在部分人体关节点的共同配合下完成,因此,如何设计一种关节点注意力网络使其能够根据不同的动作序列生成不同的响应图也是提高人体动作识别算法性能的一个重要方式。本文的主要工作如下:1、本文对初始的骨架序列数据进行了矫正融合及预处理操作,解决了相机的拍摄角度倾斜及骨架点缺失的问题,使得骨架数据更加适合网络的训练,从而为提高基于人体骨架序列的动作识别算法的准确率奠定了坚实的基础。2、本文提出了用帧间向量特征表示和帧内向量特征表示来编码人体骨架序列时空特征的新方法,重新设计了 TCN的残差块,提出了一种能够融合多种特征表示的双流时间卷积神经网络（TS-TCN）。3、本文提出了一种关节点注意力图卷积神经网络（JA-GCN）,以端到端的方式为不同类别的人体动作生成不同的图拓扑结构。