1.一种基于时间位移和注意力机制的考试异常行为识别方法，其特征在于，包括：S1、获取待分类视频；

S2、对待分类视频进行预处理，得到待输入图像，待输入图像中包括多张图片；

S3、将待输入图像输入分类模型进行特征提取与学习得到每张图片的分类结果，所述分类模型包括时间位移模块和通道空间注意力模块；

S4、将每张图片的分类结果进行融合，得到待分类视频的分类结果。

2.如权利要求1所述的基于时间位移和注意力机制的考试异常行为识别方法，其特征在于，步骤S1包括：

S101、采集原始视频图像；

S102、对原始视频图像进行分割得到单个考生视频图像；

S103、将单个考生视频图像抽帧得到对应的帧序列，并按时间顺序将帧序列平均分为多个组；

S104、从每个组中随机抽取一帧图片，组成新的帧序列代表待分类视频。

3.如权利要求2所述的基于时间位移和注意力机制的考试异常行为识别方法，其特征在于，步骤S2中，对待分类视频缩放、中心剪裁、归一化处理后得到待输入图像X，X＝[x1,x2,x3,…,xn]，x1至xn表示待分类视频中的第1至第n张图片。

4.如权利要求1至3任一项所述的基于时间位移和注意力机制的考试异常行为识别方法，其特征在于，所述分类模型主干网络采用残差网络ResNet，包括多个stage，每个stage包括多个Bottleneck，每个Bottleneck均包括时间位移模块和通道空间注意力模块。

5.如权利要求4所述的基于时间位移和注意力机制的考试异常行为识别方法，其特征在于，步骤S4中，采用加权平均融合的方式得到待分类视频的分类结果。