1.一种基于多流架构与长短时记忆网络的组群行为识别方法，其特征在于，包括以下步骤：

A、数据预处理

根据数据集中主要人物候选框的标注信息，形成主要人物候选框序列；

分别提取视频中整张图片和主要人物候选框的光流时序信息；

B、通过双路TSN网络分别对主要人物候选框和整张图片的外观和运动特征进行提取，得到单人局部空间外观信息 单人局部时序运动信息 全局空间外观信息 和全局时序运动信息

C、特征融合及组群行为识别

将 和 进行融合，得到特征fA；将 和 进行融合，得到特征fB；将 和 进行融合，得到特征fC；将 和 进行融合，得到特征fD；

在融合后的特征fA、fB、fC和fD上分别加一个通道注意力模型，并让每个通道的特征学习一个权重系数，特征的重要性越大，则学习到的权重系数就大；反之，则小；

经过通道注意力模型输出的四路特征后面分别连接LSTM网络，捕获视频中长期依赖关系；每个LSTM网络直接连接softmax层，并进行分数融合，得出视频序列中的组群行为类别，根据组群行为类别获得整个组群行为的标签；

D、对模型进行训练和测试。

2.根据权利要求1所述的基于多流架构与长短时记忆网络的组群行为识别方法，其特征在于，所述双路TSN网络包括局部TSN网络TSN_L和全局TSN网络TSN_G，所述局部TSN网络TSN_L对主要人物候选框的外观和运动特征进行提取，所述全局TSN网络TSN_G对整张图片的外观和运动特征进行提取。

3.根据权利要求1所述的基于多流架构与长短时记忆网络的组群行为识别方法，其特征在于，在所述步骤B中，所述TSN网络采用稀疏采样的方法提取视频序列中的短片段，短片段沿时间维均匀分布，并采用分段结构从短片段中聚合信息。

4.根据权利要求1所述的基于多流架构与长短时记忆网络的组群行为识别方法，其特征在于，在所述步骤B中，将视频平均分成k段{S1，S2，...，Sk}，利用双路TSN网络的公式表示为：

TSN(T1,T2,...,TK)＝G(F(T1；W),F(T2；W),...,F(TK；W))式中，(T1,T2,...,TK)为短片段序列，每一个短片段TK为其对应的段Sk中随机采样得到；

F(TK；W)函数表示在短片段TK上进行操作并且具有参数W的卷积网络，提取每个子片段中随机采样的图像的特征；G为结合多个短片段特征的段共识函数。

5.根据权利要求4所述的基于多流架构与长短时记忆网络的组群行为识别方法，其特征在于，在所述步骤B中，结合标准的分类交叉熵损失，得到关于段共识函数G的最终损失函数。

6.根据权利要求5所述的基于多流架构与长短时记忆网络的组群行为识别方法，其特征在于，用标准的反向传播算法联合优化模型参数W。

7.根据权利要求1所述的基于多流架构与长短时记忆网络的组群行为识别方法，其特征在于，在所述步骤D中，将TSN网络与LSTM网络分别进行训练，并将数据集按照3：1的比例进行划分，将数据集中3/4的数据进行训练，1/4的数据进行测试与验证，得出数据集中各类行为的准确率以及平均识别精度。

8.根据权利要求1所述的基于多流架构与长短时记忆网络的组群行为识别方法，其特征在于，所述数据集为CAD数据集或者排球数据集。