1.一种基于视频图像处理的课堂行为分析方法，其特征在于，包括如下步骤：

步骤1：构建包括视频分流模块、灰度视频模块、缩放视频模块、backbone模块、softmax层及Concat层的视频目标分析网络VTAN，并结合训练数据集Sample通过BP反向传播算法对其进行训练，其中Sample＝{(Vi,labeli)|i＝1,2,3,…,ns}，Vi＝{Iij|j＝1,2,3,…mij}，Vi表示第i段课堂行为训练视频，labeli为视频Vi对应的行为标签，ns为训练样本的数量，Iij表示视频Vi中第j帧视频帧图像，mij表示第i段视频中包含的视频帧数；

步骤2：读入视频帧数量、宽度和高度分别为Qk、Wk和Hk的视频段V；

步骤3：对视频段V进行均匀采样，得到长度为lv的视频段Vs；

步骤4：将视频段Vs输入到训练好的视频目标分析网络VTAN中进行前向传播，具体步骤如下：步骤4.1：将视频段Vs中的所有视频帧图像按缩放比例α进行缩放得视频段U，将Vs中所有的视频帧图像进行灰度化得视频段W；其中α表示预先给定的视频图像缩放比例；

步骤4.2：将视频段U输入到网络VTAN中的缩放视频模块中，并进行前向传播，并输出网络中间特征Fu；

步骤4.3：将视频段W输入到网络VTAN中的灰度视频模块中，并进行前向传播；该视频段W依次通过2个三维卷积层和三维最大池化层组成的块结构和1个一维卷积层，并输出网络中间特征Fw；

步骤4.4：将网络中间特征Fu和Fw通过Concat层进行融合，并将融合特征输入1个三维卷积层中，进行前向传播得融合网络特征Ff；

步骤4.5：将Ff输入到由8层残差层组成的backbone网络结构进行前向传播，并将其输出结果输入到Softmax层中，输出各个行为的置信度集合C＝{(acti,ci)|i＝1,2,3,…,na}，其中acti表示第i类行为，ci表示行为acti对应的置信度，na代表分类行为的类别数；

步骤5：取集合C中最大置信度cmax，判断其对应的行为actmax为最可能行为类型；若满足式(1)，则视频段V的行为为actmax，反之，视频段V的行为无法判断；

cmax≥θ       (1)

θ表示实现给定的行为判断阈值。

2.根据权利要求1所述的一种基于视频图像处理的课堂行为分析方法，其特征在于，所述步骤1中的视频目标分析网络VTAN中缩放视频模块包含3个三维卷积层，灰度视频模块包含2个块结构和1个一维卷积层，其中块结构包括三维卷积层和三维最大池化层组成。