En respuesta al problema donde muchos modelos de investigación existentes solo consideran la adquisición de la información temporal entre secuencias de esqueletos continuos y ante la falta de capacidad para modelar la información espacial, este estudio propone un modelo para reconocer caídas de trabajadores y detectar comportamientos anormales basados en puntos clave del esqueleto humano y una red convolucional gráfica espacio-temporal (ST-GCN). Se realizó la extracción de esqueletos del cuerpo humano en secuencias de video utilizando Alphapose. Para resolver el problema de que las redes convolucionales gráficas no son lo suficientemente efectivas para la agregación de características de puntos clave del esqueleto, proponemos un modelo NAM-STGCN que incorpora un mecanismo de atención normalizado. Al utilizar la función de activación PReLU para optimizar la estructura del modelo, el modelo ST-GCN mejorado puede extraer de manera más efectiva características de acción de puntos clave del esqueleto en la dimensión espacio-temporal con el propósito de reconocimiento de comportamientos anormales. Los resultados experimentales muestran que nuestro modelo optimizado logra una precisión del 96.72% para el reconocimiento en el conjunto de datos autoconstruido, lo que es un 4.92% mejor que el modelo original; el valor de pérdida del modelo converge por debajo de 0.2. Se realizaron pruebas en los conjuntos de datos KTH y Le2i, que son mejores que las redes de reconocimiento de clasificación típicas. El modelo puede identificar con precisión comportamientos humanos anormales, facilitando la detección de anomalías y el rescate de manera oportuna y ofreciendo ideas novedosas para la construcción de sitios inteligentes.