当前，人体行为识别在视频监控等多领域得到了重要的应用。针对传统的算法检测所呈现出的不足之处如准确性差、易受环境背景影响等问题，采用基于骨骼与关键点的方式进行行为识别。首先，使用人体姿态估计算法Openpose获取视频中人体各个关节点的坐标信息，然后通过时空图卷积神经网络（Spatial-Temporal　Graph　Convolution　Networks,ST-GCN）进行人体行为识别。为了提高识别精度，在原有算法上加入通道注意力机制。实验结果表明，所提的算法在NTU-RGB+D数据集上，C-SUB和C-VIEW的top-1分别取得83.62%与90.86%的精度，相比ST-GCN分别提升了2.12%和2.56%。在自建数据集上，所提算法得到了78.33%的精度，相比ST-GCN的71.67%，提高了6.66%。