基于RGBD的人体行为识别近年来出现了许多进展，但提取的特征维度仍过高，计算代价大，且无法直观体现各行为的类内变化和类间变化，语义信息有待进一步挖掘。而引入部位的元动作（Meta-Action）聚类能很好的解决以上问题。因此，本文将针对基于部位判别力聚类展开研究，提出了一种基于元动作的人体行为表示方法，特别地，结合判别力部位挖掘，引入了关节点动态聚类和判别力部位聚类这两种基于关节点判别力的聚类策略，以提高识别准确率，最后通过实验，验证了本文提出的方法能有效识别行为，且能高效降维，语义信息丰富