本发明公开了基于骨架的移位图卷积网络人体行为识别方法，利用移位图卷积减少了模型的参数并对模块进行密集残差连接，具体步骤如下：步骤一、人体骨架提取；步骤二、建立网络模型；由9层移位图卷积模块构成，模块之间利用密集残差连接相连。步骤三、模型学习；将人体骨架数据送入构建好的网络模型中开始训练。经过移位图卷积模块后输出特征，最后通过softmax分类器进行分类。本发明克服了传统图卷积方法计算量较大，模型参数过多与人体骨骼点之间只考虑了物理固有连接，难以挖掘潜在的连接关系的缺点，采用移位图卷积减少了模型参数，利用人体骨架各个关节点信息，在模块间采用密集残差连接，提高分类准确率。