随着人工智能技术的深入研究和快速发展,人体行为识别逐渐进入人们的视线。人体行为包含着丰富的行为信息,是人机交互的一种重要手段。如何快速准确地对人体行为进行判断也是目前研究的重要问题。本文进行了基于时空图卷积的行为识别研究,并与实验室中的Nao机器人进行结合,并结合人脸识别设计了一个人机交互系统。首先研究了YOLOv4目标检测算法,并以轻量级YOLOv4算法为基础搭建目标检测框架,在该框架的基础上融合SPP算法和残差网络思想构建检测框架,在保证检测速度的前提下,提升检测精度。并将该算法和Deepsort目标追踪算法结合,实现目标识别与跟踪。其次,研究了人体姿态评估算法,对比了Alphapose算法和Openpose算法的性能,通过实验验证了Alphapose算法的高效性。然后,研究了基于时空图卷积的人体行为识别算法和改进后的双流时空图卷积方法,使用Smarthome数据集进行训练,该数据集是在真实环境下拍摄的,具有一定的真实性,反应了日常生活中人体行为信息。将改进的目标检测算法和姿态评估算法与双流图卷积算法结合,通过实验验证了其可行性。为了满足现实需求,研究了LBP人脸识别算法,验证了该算法的实际可行性。最后利用现有的Nao机器人和本文提出的算法设计了一个人体行为模仿实验。利用双目测距的方法获取人体各个关节的位置信息,然后设计算法将其转变成Nao机器人的关节角度,并将其输入到Nao机器人中实现行为模仿。