人类动作由关节部位的协同运动或“手势”组成。人体骨架可以直观地表示为一个稀疏图，其中关节作为节点，它们之间的自然连接作为边。图卷积网络已被用于从骨骼视频中识别动作。我们引入了一种基于部件的图卷积网络（PB-GCN），该方法受到可变形部件模型（DPMs）的启发。我们将骨架图划分为四个子图，这些子图之间共享关节，并使用基于部件的图卷积网络学习识别模型。实验结果表明，与使用整个骨架图的模型相比，这种模型在识别性能上有所提升。我们还发现，相比于使用三维关节坐标作为节点特征，使用相对坐标和时间位移可以进一步提高性能。我们的模型在两个具有挑战性的基准数据集NTU RGB+D和HDM05上的骨骼动作识别任务中达到了最先进的性能。