本发明涉及图像识别技术领域，公开了一种基于视频图像的动作识别方法、装置、设备及存储介质。本方法包括：对采集的监控范围内至少两帧图像数据进行人体检测，得到对应人体区域图像；提取人体区域图像中人体的骨骼数据，并根据骨骼数据得到人体区域图像中包含的骨骼关键点的二维坐标；根据二维坐标对人体区域图像进行特征提取，并将得到的特征向量输入动作识别模型对图像中的人体动作进行识别，得到动作分类结果；将动作分类结果与预设动作类别进行匹配，并将匹配结果返回给预设客户端。本发明通过深度学习的图卷积网络相关算法，能够基于单一骨骼点对动作进行识别，提高动作识别准确率，解决了居家监控中人体动作识别准确率低的技术问题。