1.一种基于多尺度时间特征的行为识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多尺度时间特征的行为识别方法，其特征在于：步骤s2中，具体包括：
3.根据权利要求1所述的基于多尺度时间特征的行为识别方法，其特征在于：所述主干网络模块由空间图卷积模块和多尺度时间图卷积模块串联而成，并引入残差连接组成；
4.根据权利要求3所述的基于多尺度时间特征的行为识别方法，其特征在于：所述空间图卷积模块具体包括：
5.根据权利要求3所述的基于多尺度时间特征的行为识别方法，其特征在于：所述多尺度时间图卷积模块具体包括混合并行膨胀卷积模块和帧间-帧内注意力模块：
6.根据权利要求1所述的基于多尺度时间特征的行为识别方法，其特征在于：步骤s5中，六个主干网络模块的末端经过一个全局平均池化gap层，将不同样本的特征映射到相同大小，并将其引入全连接层fc中，最后的输出被送到softmax分类器得到分类结果；采用端到端的结构，以数据驱动的方式自动学习数据的特征表示，使分类误差最小化。