乒乓球技战术分析具有极高的理论意义和应用价值。传统CV算法大多基于球体检测。穿戴设备获取运动关节点数据限于其极大的成本和固定的场地。随着人体姿态识别技术的发展与成熟，基于计算机视觉乒乓球技战术智能分析逐渐成为研究热点。基于深度学习方法的CNN、RNN、GCN在骨骼结构数据上精度和速度有所提升，但结果不尽如人意。本文提出了一种结合YOLOv5，OpenPose和ST-GCN建立的乒乓球基础动作分类框架，为后续研究提供了有益基础。