本发明公开了一种基于人体骨骼序列的动作预测方法，该方法充分利用人体拓扑图结构，采用图卷积网络提取丰富的、具有代表性的时空特征，通过采用多老师模型的知识蒸馏技术，低观测率序列从完整序列和高观测率序列学习先验知识，具体地，每个样本实例根据观测率自适应地选择对应的预训练老师模型，进行知识迁移学习。多老师模型自适应指导生成的学生模型，通过采用再生网络技术，迭代训练生成多个学生模型。在再生网络训练过程中，由于低观测率下模型分类性能较弱，以样本实例观测率为依据对交叉熵损失函数进行加权，从而优化学生模型。通过采用加权融合策略，将多个学生模型的预测结果进行融合作为最终的预测分类结果，具有预测准率高等优点。